Python dict即字典,是一种非常有用的数据结构,相当于其他语言的Map,这种数据结构采用键值对(key-value)形式存储,具有非常快的查询速度,即使在数据量十分庞大的情况下也依然如此。
Python dict 形式:每一个元素都是键值对key:value,以”:”分割,元素之间以”,”作为分隔符,最后一个元素的”,”可以省略。
dict = {'Steve': 100, 'Johnson': 99, 'Peter': 90}
示例:
>>> dict = {'Name': 'Steve', 'Height': '170cm', 'weight': '63kg'}
>>> dict['Name'] #按键访问
Steve
>>>dict['Nation'] #访问不存在的元素会报错
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
KeyError: 'Nation'
>>> dict['Weight'] = '65kg'
>>> dict['Weight']
'65kg'
>>> del dict['Name'] #删除键Name 其值也会被一并删除
>>> dict.clear() #清空字典 还可以访问结果为{}
>>> del dict #删除字典 不能访问 因为执行该操作后字典不复存在
函数 | 描述 |
---|---|
len(dict) | 计算字典元素个数,即键的总数。 |
str(dict) | 输出字典,以可打印的字符串表示。示例'dict = {'Name': 'Steve', 'Height': '170cm', 'weight': '63kg'}'。 |
type(variable) | 返回输入的变量类型,如果变量是字典就返回<class 'dict'>。 |
方法 | 说明 |
---|---|
radiansdict.clear() | 删除字典内所有元素 |
radiansdict.copy() | 返回一个字典的浅复制 |
radiansdict.fromkeys(seq[,value]) | 创建一个新字典,以序列seq中元素做字典的键,val为字典所有键对应的初始值 |
radiansdict.get(key, default=None) | 返回指定键的值,如果值不在字典中返回default值 |
key in dict | 如果键在字典dict里返回true,否则返回false |
radiansdict.items() | 以列表返回可遍历的(键, 值) 元组数组 |
radiansdict.keys() | 以列表形式返回一个字典所有的键 |
radiansdict.setdefault(key, default=None) | 和get()类似, 但如果键不存在于字典中,将会添加键并将值设为default |
radiansdict.update(dict2) | 把字典dict2的键/值对更新到dict里 |
radiansdict.values() | 以列表返回字典中的所有值 |
pop(key[,default]) | 删除字典给定键 key 所对应的值,返回值为被删除的值。key值必须给出。 否则,返回default值。 |
popitem() | 随机返回并删除字典中的一对键和值(一般删除末尾对)。 |
每个方法的详情,可以点开这里然后点每个方法的超链接: http://www.runoob.com/python3/python3-dictionary.html
Python中的dict也即Java/C++/C#中的Map,其键值对的映射关系是通过哈希算法来实现的。哈希算法是一种计算式查找法,其基本思想是在关键字k和存储位置p之间建立一个对应关系H,使得p = H(K)。因此存储的时候先对k使用方法H(可以有多种方法这里不做详细介绍)计算出存储地址p,而需要访问的时候再根据对k做H运算以求得p。由于地址是通过约定好的方法H得出的,所以存储效率跟数据量没有关系,存取速度只跟H方法的复杂程度有关。
基于以上原因:
也是基于以上原因,dict内部存放的顺序和key-value对放入的顺序是无关的,因为地址映射关系是由H得到的。而数组对放入元素的顺序是有关的,因为第一个元素被放在下标为0的地址,之后的每个元素的地址都会递增等同于元素类型长度的地址长度。如一维数组地址的计算方法:Loc(a[n]) = Loc(a[0]) + (n-1) * size
和list想比,dict有以下几个特点:
dict是典型的以空间换时间的数据结构,这样的例子还有很多。
而list相反:
上面的说明是基于数据结构来说明的,如果你没有相关知识理解起来可能有困难,你不妨看一下这篇教程: https://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000/00143167793538255adf33371774853a0ef943280573f4d000