京公网安备 11010802034615号
经营许可证编号:京B2-20210330
作者:小K
来源:麦叔编程
❝
如果我们在写Python代码的时候需要把多个字典合并,那么我们将如何使用代码去实现呢?
❞
origin_dct = {"Maishu":"python", "Kevin":"java", "Jason":"PHP"}
new_dct = {"Garvey":"CSS"}
for k, v in origin_dct.items():
new_dct[k] = v
print(new_dct)
代码运行结果:
{'Garvey': 'CSS', 'Maishu': 'python', 'Kevin': 'java', 'Jason': 'PHP'}
origin_dct = {"Maishu":"python", "Kevin":"java", "Jason":"PHP"}
new_dct = {"Garvey":"CSS"}
dct = dict(new_dct, **origin_dct)
print(dct)
代码运行结果:
{'Garvey': 'CSS', 'Maishu': 'python', 'Kevin': 'java', 'Jason': 'PHP'}
origin_dct = {"Maishu":"python", "Kevin":"java", "Jason":"PHP"}
new_dct = {"Garvey":"CSS"}
new_dct.update(origin_dct)
print(new_dct)
代码运行结果:
{'Garvey': 'CSS', 'Maishu': 'python', 'Kevin': 'java', 'Jason': 'PHP'}
origin_dct = {"Maishu":"python", "Kevin":"java", "Jason":"PHP"}
new_dct = {"Garvey":"CSS"}
dct = dict(list(origin_dct.items()) + list(new_dct.items()))
print(dct)
代码运行结果:
{'Maishu': 'python', 'Kevin': 'java', 'Jason': 'PHP', 'Garvey': 'CSS'}
以上四种方法都是使用函数进行合并的,看上去都不太简便。
使用运算符合并的话,代码会更直观,对读写的人都更友好。
origin_dct = {"Maishu":"python", "Kevin":"java", "Jason":"PHP"}
new_dct = {"Garvey":"CSS"}
dct = origin_dct | new_dct
print(dct)
代码运行结果:
{'Maishu': 'python', 'Kevin': 'java', 'Jason': 'PHP', 'Garvey': 'CSS'}
❝
使用这种方式合并字典是不是很Python?不着急,合并运算符“|”在字典中还有另一种使用方法。
❞
上面使用合并运算符之后,会生成一个新的字典对象。
那么如果我只是单纯的想把合并结果更新到已存在的字典对象中呢?
类似于列表的append方法,或 x += 1操作。
origin_dct = {"Maishu":"python", "Kevin":"java", "Jason":"PHP"}
new_dct = {"Garvey":"CSS","Maishu":"Go"}
origin_dct |= new_dct
print(origin_dct)
代码运行结果:
{'Maishu': 'python', 'Kevin': 'java', 'Jason': 'PHP', 'Garvey': 'CSS'}
使用|=可以轻松实现。
还记得|运算符在Python的哪个内容中有出现吗?
| 按位或运算符,属于位运算符。
在某些场合|也会被用来做“或”逻辑运算符,例如在正则中。
当然做合并操作的时候只有在碰到字典类型。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02