
Python中字典映射类型的学习教程
字典是python语言中唯一的映射类型,用花括号{}表示,一个字典条目就是一个键值对,方法keys()返回字典的键列表,values()返回字典的值列表,items()返回字典的键值对列表。字典中的值没有任何限制,它们可以是任意python对象,但字典中的键是有类型限制的,每个键只能对应一个值,且键必须是可哈系的,所有不可变类型都是可哈希的。不可变集合frozenset的元素可作为字典的键,但可变集合set就不行了。
以下是字典类型的常用方法。
clear():删除字典中所有元素。
copy():返回字典(浅复制)的一个副本。
fromkeys(seq,val=None):创建并返回一个新字典,以seq中的元素做该字典的键,val做该字典中所有键对应的初始值。
get(key,default=None):返回字典中的键key对应的值value,如果字典中不存在此键,则返回default的值。
has_key(key):如果键key在字典中存在,返回True,否则返回False。python2.2后这个方法几乎已废弃不用了,通常用in来替代。
items():返回一个包含字典中键值对元组的列表。
keys():返回一个包含字典中键的列表。
iter():方法iteritems()、iterkeys()、itervalues()与它们对应的非迭代方法一样,不同的是它们返回一个迭代子,而不是一个列表。
pop(key[,default]):和方法get()类似,如果字典中key键存在,删除并返回dict[key],如果key键不存在,且没有给出default的值,引发KeyError异常。
setdefault(key,default=None):和方法get()相似,如果字典中不存在key键,由dict[key]=default为它赋值。
update(dict2):将字典dict2的键值对添加到当前字典中。
values():返回一个包含字典中所有值的列表。
键可以是多种类型,但键是唯一的不重复的,值可以不唯一
>>> d = {'a':1, 'b':2}
>>> d
{'b': 2, 'a': 1}
>>> L = [('Jonh',18), ('Nancy',19)]
>>> d = dict(L) #通过包含键值的列表创建
>>> d
{'Jonh': 18, 'Nancy': 19}
>>> T = tuple(L)
>>> T
(('Jonh', 18), ('Nancy', 19))
>>> d = dict(T) #通过包含键值的元组创建
>>> d
{'Jonh': 18, 'Nancy': 19}
>>> d = dict(x = 1, y = 3) #通过关键字参数创建
>>> d
{'x': 1, 'y': 3}
>>> d[3] = 'z'
>>> d
{3: 'z', 'x': 1, 'y': 3}
还有一个创建字典的方法就是 fromkeys(S [ , v]) python里的解释是 New dict with key from S and value equal to v ,即将S里的元素作为键,v作为所有键的值,v 的默认值为 None。可以通过已存在的字典 d 调用 d.fromkeys(S [, v] ) 也可以通过类型调用 dict.fromkeys( S [, v] )
>>> d
{3: 'z', 'y': 3}
>>> L1 = [1,2,3]
>>> d.fromkeys(L1)
{1: None, 2: None, 3: None}
>>> {}.fromkeys(L1,'nothing')
{1: 'nothing', 2: 'nothing', 3: 'nothing'}
>>> dict.fromkeys(L1,'over')
{1: 'over', 2: 'over', 3: 'over'}
字典是无序的,所以不能通过索引来获取值,要通过键来找到关联值。对于不存在的键,会出现错误KeyError
>>> d
{3: 'z', 'x': 1, 'y': 3}
>>> d[3]
'z'
>>> d['x']
1
>>> d[0]
Traceback (most recent call last):
File "<pyshell#26>", line 1, in <module>
d[0]
KeyError: 0
字典操作和方法:
len( d ) 返回字典d里面的键值对数目
x in d 查询字典d中是否有键 x
>>> d = {'x':1,'y':3}
>>> len(d)
2
>>> 'x' in d
True
>>> 'z' not in d
True
d [ x ] = y 若键 x 存在,则修改 x 对应的值为 y, 若键 x 不存在,则在字典 d 中增加键值对 x : y
>>> d
{'x': 1, 'y': 3}
>>> d['x'] = 1.5
>>> d
{'x': 1.5, 'y': 3}
>>> d['z'] = 5
>>> d
{'z': 5, 'x': 1.5, 'y': 3}
del d[x] 删除字典 d 中键为 x 的键值对,若 x 不存在会出现 KeyError
>>> d = {'z': 5, 'x': 1.5, 'y': 3}
>>> del d['x']
>>> d
{'z': 5, 'y': 3}
>>> del d['x']
Traceback (most recent call last):
File "<pyshell#66>", line 1, in <module>
del d['x']
KeyError: 'x'
d.clear() 清空字典d
d.copy() 对字典 d 进行浅复制,返回一个和d有相同键值对的新字典
>>> d
{'z': 5, 'y': 3}
>>> d.copy()
{'z': 5, 'y': 3}
d.get( x [ , y]) 返回字典 d 中键 x 对应的值,键 x 不存在的时候返回 y, y 的默认值为None
>>> d = {'z': 5, 'x': 1.5, 'y': 3}
>>> d.get('x')
1.5
>>> del d['x']
>>> d.get('x')
>>> d.get('x','nothing')
'nothing'
d.items() 将字典 d 中所有键值对以dict_items的形式返回(Python 2中d.iteritems() 返回一个针对键值对的迭代器对象,Python 3中没有 iteritems 方法了)
>>> d = {'z': 5, 'x': 1.5, 'y': 3}
>>> d.items()
dict_items([('z', 5), ('x', 1.5), ('y', 3)])
>>> list(d.items())
[('z', 5), ('x', 1.5), ('y', 3)]
d.keys() 将字典 d 中所有的键以dict_keys形式返回(Python 2 中d.iterkeys() 返回一个针对键的迭代器对象,Python 3 没有此语法)
>>> d.keys()
dict_keys(['z', 'x', 'y'])
>>> for x in d.keys():
print(x)
z
x
y
d.pop( x ) 返回给定键 x 对应的值,并将该键值对从字典中删除
>>> d = {'z': 5, 'x': 1.5, 'y': 3}
>>> d.pop('x')
1.5
>>> d.pop('x')
Traceback (most recent call last):
File "<pyshell#92>", line 1, in <module>
d.pop('x')
KeyError: 'x'
d.popitem( ) 返回并删除字典 d 中随机的键值对
>>> d = {'z': 5, 'x': 1.5, 'y': 3}
>>> d.popitem()
('z', 5)
>>> d.popitem()
('x', 1.5)
d.setdefault( x, [ , y ] ) 返回字典 d 中键 x 对应的值,若键 x 不存在,则返回 y, 并将 x : y 作为键值对添加到字典中,y 的默认值为 None
>>> d = {'z': 5, 'x': 1.5, 'y': 3}
>>> d.setdefault('x')
1.5
>>> del d['x']
>>> d.setdefault('x','Look!')
'Look!'
>>> d
{'z': 5, 'x': 'Look!', 'y': 3}
d.update( x ) 将字典 x 所有键值对添加到字典 d 中(不重复,重复的键值对用字典 x 中的键值对替代字典 d 中)
>>> d1 = {'x':1, 'y':3}
>>> d2 = {'x':2, 'z':1.4}
>>> d1.update(d2)
>>> d1
{'z': 1.4, 'x': 2, 'y': 3}
d.values( ) 将字典里所有的值以dict_values 的形式返回(Python 2 中d.itervalues() 返回针对字典d里所有值的迭代器对象,Python 3无此语法)
>>> d1
{'z': 1.4, 'x': 2, 'y': 3}
>>> d1.values()
dict_values([1.4, 2, 3])
>>> list(d1.values())
[1.4, 2, 3]
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01