dict & set

新建 dict:

新建 dict (无序)

字典推导:

字典推导

常见方法

  • fromkeys(iter, [initial])


    fromkeys
  • items()、keys()、values()


    items、keys、values
  • iter(d)


    iter
  • get(k, [default])、pop(k, [default])
  • popitem() 随机返回一个键值对并删除它,对于 OrderedDict 先进先出,故先删最先插入的元素,其中有个可选参数 last 默认 False,设为 True 则是后进先出
  • _getitem_(k) 是 d[k] 的背后。对于 defaultdict ,找不到对应键时调用 _missing_(k),_missing_中又会调用 default_factory(可调用对象) 对未找到的键设置值
  • _setitem_(k, v) 是 d[k] = v 的背后
  • setdefault(k, [default]) 若 k 不存在,相当 setitem 返回 default,若 k 存在,则返回 k 对应的值
  • update(m, [**kwarg]) m 可以是映射或键值对迭代器。鸭子类型,只有 m 有方法 keys,就可看作映射
  • setdefault
my_dict.setdefault(key, []).append(new_value)  # 只有一次键查询

if key not in my_dict:   # 第一次查询
  my_dict[key] = []      # 可能又一次查询
my_dict[key].append(new_value)  # 又一次查询

dict 变种

  • defaultdict
    新建 dd = defaultdict(list),当 new_key不存在时,表达式 dd['new_key'] 执行如下:
    调用 list(),生成一个新列表,作为键 new_key 的值,返回这个列表的引用
    这里 list 为一个可调用对象,称为 default_factory


    defaullt_factory
  • OrderedDict


    OrderedDict
  • Counter


    Counter
  • UserDict
    • 这个类用纯 Python 把标准 dict 又实现了一遍
    • 这个类有一个 data 属性,是 dict 实例,也是 UserDict 存放数据的地方
  • MappingProxyType
    只读的映射视图,但是它是动态的,即对原映射修改,可以通过这个映射视图实时观察


    MappingProxyType

set

set 不可散列,frozenset 可散列。set 中元素要求可散列。
基于散列表,极快的查找速度,对 in 运算符优化
中缀运算符:|并、&交、-差

字典的散列表

散列表是一个稀疏数组(总有一些空白元素称为稀疏)
散列表单元称为表元(bucket),存放键和值的引用
Python 保证 1/3 表元是空的,快到这个阈值时散列表将会被复制到更大空间
要把一个对象放入散列表,首先要计算这个对象的散列值,即哈希值 hash()
CPython 一条实现细则:一个整型对象能被存入一个机器字中,那么它的散列值就是它本身
为让散列值能充当索引这角色,散列值之间应尽量分散开,即越是相似不等的对象,散列值相差越大
如果两个对象用 == 比较相等的,那么它们的散列值也应相等

散列表算法
散列表算法
dict 的实现及其特点
  • 键必须可散列
    可散列对象要求:
    (1)支持 hash(),且 _hash_() 得到的值不变
    (2)支持 _eq_()
    (3)若 a == b为真,则 hash(a) == hash(b) 也为真
  • dict 内存开销大
    散列表是稀疏的,导致内存开销巨大
  • 键查询很快
  • 键的次序取决于添加顺序
    包含的数据一样,字典相等


    键的次序取决于添加顺序
  • 往字典中添加新键可能改变已有键顺序
    添加新键、字典扩容、散列冲突、键顺序改变
    一个小技巧
    不要迭代字典的同时又对字典进行修改,这样可能跳过一些键
    应该迭代的同时,得出要修改的内容添加到新字典中,迭代后才修改
set 的实现及其特点

set 与 frozenset 都依赖于散列表,特点与 dict 类似
(1)散列表里存放的是元素的引用,就像字典里存放的只有键,散列表才存放值的引用
(2)set 元素必须可散列
(3)in 运算符很高效
(4)很耗内存
(5)元素次序取决于添加次序
(6)往 set 中添加新元素可能改变原有元素次序

杂谈

dict 优化目标:更好的实现对随机键的读取
JSON:瘦身版XML,从 JavaScript 发展而来,而 JavaScript 从 Python 里偷师使用了:(字面量句法),故除了 true、false、null 这几个值拼写有出入之外,其余 JSON 与 Python 是完全兼容的。dict 和 list 使 JSON 成为交换数据格式的主流。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 211,884评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,347评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,435评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,509评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,611评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,837评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,987评论 3 408
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,730评论 0 267
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,194评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,525评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,664评论 1 340
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,334评论 4 330
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,944评论 3 313
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,764评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,997评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,389评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,554评论 2 349

推荐阅读更多精彩内容