Python基础：映射（字典）

2022-12-29 11:44:26

一、概述

映射类型（Mapping Types）是一种关联式的容器类型，它存储了对象与对象之间的映射关系。

字典（dict）是Python中唯一的映射类型，它是存储了一个个 键值对（由 键 映射到 值）的关联容器。其中，键（key）必须是可哈希的Python对象，而 值（value）可以是任何Python对象。在功能上，Python中的字典类似于C++中的map。

Python中最强大、最灵活的数据类型当属 列表 和 字典，以下是对这两种数据类型的简单比较：

比较点 列表 字典
表示方法 []，[1, 2] {}，{'a': 1, 'b': 2}
访问元素的方式 索引 键
有序性 有序 无序
可变性 可变 可变
可操作性 操作丰富 操作丰富
表征的数据结构 数组、堆栈、队列等 哈希表等

二、操作

字典支持的主要操作如下：

操作 说明
class dict(other) 创建字典（other可以是字典、(key, value)对的迭代器或关键字参数）
dict.fromkeys(seq[, value]) 创建字典：用序列seq中的元素作为键，值全为value（未指定，则默认为None）
len(d) 返回字典d的长度（即d中元素的个数）
d[key] 如果键key在字典d中，则返回其中key对应的值；否则抛出KeyError异常
d[key] = value 设置d[key]的值为value（存在则修改，不存在则添加）
del d[key] 如果键key在字典d中，则从字典d中删除d[key]；否则抛出KeyError异常
key in d 如果key在字典d中，返回True；否则，返回False
key not in d 如果key在字典d中，返回False；否则，返回True
iter(d) 同iterkeys()
d.clear() 删除字典d中的所有元素
d.copy() 返回字典d的浅拷贝
d.get(key[, default]) 如果key在字典d中，则返回d[key]；否则返回default（未指定，则默认为None）
d.has_key(key) 同key in d（推荐使用key in d）
d.items() 返回包含字典d中的(key, value)对的列表
d.iteritems() 迭代版的items()：返回迭代器
d.iterkeys() 迭代版的keys()：返回迭代器
d.itervalues() 迭代版的values()：返回迭代器
d.keys() 返回包含字典d中的键的列表
d.pop(key[, default]) 如果key在字典d中，则返回并删除d[key]；否则返回default（未指定，则抛出KeyError异常）
d.popitem() 返回并删除字典d中的任意一个元素（如果d为空，则抛出KeyError异常）
d.setdefault(key[, default]) 如果key在字典d中，则返回d[key]；否则执行d[key] = default，并返回default（未指定，则默认为None）
d.update([other]) 将other中的(key, value)对添加到字典d中（other可以是字典、(key, value)对的迭代器或关键字参数）
d.values() 返回包含字典d中的值的列表
d.viewitems() 返回字典d的元素视图
d.viewkeys() 返回字典d的键视图
d.viewvalues() 返回字典d的值视图

以上操作的示例如下：

>>> a = {'one': 1, 'two': 2, 'three': 3}

>>> b = dict(one=1, two=2, three=3)

>>> c = dict(zip(['one', 'two', 'three'], [1, 2, 3]))

>>> d = dict({'three': 3, 'one': 1, 'two': 2})

>>> a == b == c == d

True

>>> d = dict.fromkeys(['a', 'b', 'c'])

>>> d

{'a': None, 'c': None, 'b': None}

>>> d = dict.fromkeys(['a', 'b', 'c'], 6)

>>> d

{'a': 6, 'c': 6, 'b': 6}

>>> len(d)

3

>>> d.clear()

>>> d

{}

>>> d = a.copy()

>>> d

{'one': 1, 'three': 3, 'two': 2}

>>> d['three']

3

>>> d['four'] = 4

>>> d

{'four': 4, 'one': 1, 'three': 3, 'two': 2}

>>> del d['one']

>>> d

{'four': 4, 'three': 3, 'two': 2}

>>> 'four' in d, 'four' not in d

(True, False)

>>> d.has_key('four')

True

>>> d.get('one'), d.get('one', 10)

(None, 10)

>>> for k in d:

...     print k,

...

four three two

>>> for k in iter(d):

...     print k,

...

four three two

>>> for k in d.keys():

...     print k,

...

four three two

>>> for k in d.iterkeys():

...     print k,

...

four three two

>>> for k in d.viewkeys():

...     print k,

...

four three two

>>> for v in d.values():

...     print v,

...

4 3 2

>>> for v in d.itervalues():

...     print v,

...

4 3 2

>>> for v in d.viewvalues():

...     print v,

...

4 3 2

>>> for i in d.items():

...     print i,

...

('four', 4) ('three', 3) ('two', 2)

>>> for i in d.iteritems():

...     print i,

...

('four', 4) ('three', 3) ('two', 2)

>>> for i in d.viewitems():

...     print i,

...

('four', 4) ('three', 3) ('two', 2)

>>> d.setdefault('two')

2

>>> d

{'four': 4, 'three': 3, 'two': 2}

>>> d.setdefault('one', 1)

1

>>> d

{'four': 4, 'one': 1, 'three': 3, 'two': 2}

>>> d.update(five=1)

>>> d

{'four': 4, 'one': 1, 'five': 1, 'three': 3, 'two': 2}

>>> d.update({'six': 6})

>>> d

{'four': 4, 'five': 1, 'two': 2, 'six': 6, 'three': 3, 'one': 1}

>>> d.pop('four')

4

>>> d

{'five': 1, 'two': 2, 'six': 6, 'three': 3, 'one': 1}

>>> d.popitem()

('five', 1)

>>> d

{'two': 2, 'six': 6, 'three': 3, 'one': 1}

三、字典特性

1、有序与无序

从概念上讲，字典提供了这样一种抽象：容器中的元素之间完全独立（于是也没有先后顺序），“键”是访问元素的唯一方式。在这种 抽象层面 上，字典是 无序 的。

从实现上讲，字典其实是由 哈希表 实现的。而哈希表的基本思想是：通过 哈希函数（hash function）将“键”转换为“索引”，再使用“索引”去访问 连续列表（如C中的数组）中的元素。由此可知，在哈希表中：一方面，元素本质上是存储在一个连续列表中的，因此是 有序 的；另一方面，用户无法确定元素在连续列表中的实际位置（只能使用“键”去访问元素，而“键”与“索引”的映射关系是由哈希函数在内部指定的），因此又是 无序 的。

因此在 实现层面 上，字典同时具备了 无序 和 有序 的特点：

  • 无序体现在：字典中元素的排列顺序与添加顺序无关
  • 有序体现在：在字典保持不变的情况下，字典中元素的排列顺序是固定的

Python基础：映射（字典）

上图对应的示例如下：

# 无序

>>> d = {}

>>> d['a'] = 1

>>> d

{'a': 1}

>>> d['b'] = 2

>>> d

{'a': 1, 'b': 2}

>>> d['c'] = 3

>>> d

{'a': 1, 'c': 3, 'b': 2}

# 有序

>>> for k in d: # 键的顺序固定

...     print k,

...

a c b

>>> for v in d.values(): # 值的顺序固定

...     print v,

...

1 3 2

>>> for i in d.items(): # 元素的顺序固定

...     print i,

...

('a', 1) ('c', 3) ('b', 2)

2、字典的键

字典的键具有以下特性：

1）可哈希的（hashable）

只有 可哈希的 对象才能作为字典的键，一个可哈希的对象必须满足以下两个条件：

  • 该对象在其生命周期内有一个不变的哈希值（需要实现__hash__()方法）
  • 该对象是可比较的（需要实现__eq__()或__cmp__()方法）

Python中可哈希的对象有：

  • 数值、字符串，以及只含有数值或字符串的元组
  • 用户自定义类的实例（默认是可哈希的，也可以通过实现__hash__()和__cmp__()来修改默认行为）

2）哈希等价键

假设有字典d的两个键：keyA和keyB，我们称keyA和keyB是 哈希等价键（自己杜撰的名词），如果keyA和keyB满足以下两个条件：

  • hash(keyA) == hash(keyB)
  • cmp(keyA, keyB) == 0

如果keyA和keyB是哈希等价键，那么它们将被视为完全相同的两个键，于是d[keyA]和d[keyB]会指向同一个字典元素。

例如，1和1.0就满足上述两个条件，因此是哈希等价键：

>>> hash(1), hash(1.0)

(1, 1)

>>> cmp(1, 1.0)

0

>>> d = {}

>>> d[1] = 'int 1'

>>> d

{1: 'int 1'}

>>> d[1.0] = 'float 1'

>>> d

{1: 'float 1'}

对于用户自定义的类实例，默认情况下（即没有实现__hash__()和__cmp__()时），hash(...)和cmp(...)的结果与 id() 有关（参考 hashable 和 __cmp__()）。默认情况下，一个自定义类的任意两个实例都不是哈希等价键：

>>> class A: pass

...

>>> a1 = A()

>>> a2 = A()

>>> hash(a1), hash(a2)

(-1064359592, -1064359600)

>>> cmp(a1, a2)

1

>>> d = {}

>>> d[a1] = 'a1'

>>> d

{<__main__.A instance at 0x8f2958c>: 'a1'}

>>> d[a2] = 'a2'

>>> d

{<__main__.A instance at 0x8f2958c>: 'a1', <__main__.A instance at 0x8f2950c>: 'a2'}

如果想要让同一个类的任意两个实例都是哈希等价键，则可以参考以下示例：

>>> class A:

...     def __hash__(self):

...         return hash(A)

...     def __cmp__(self, other):

...         return cmp(self.__hash__(), other.__hash__())

...

>>> a1 = A()

>>> a2 = A()

>>> hash(a1), hash(a2)

(-1064346499, -1064346499)

>>> cmp(a1, a2)

0

>>> d = {}

>>> d[a1] = 'a1'

>>> d

{<__main__.A instance at 0x8f64a4c>: 'a1'}

>>> d[a2] = 'a2'

>>> d

{<__main__.A instance at 0x8f64a4c>: 'a2'}

类似地，如果想要让一个类的任意一个实例与整数1成为哈希等价键，则可以按照以下方式实现：

>>> class A:

...     def __hash__(self):

...         return 1

...     def __cmp__(self, other):

...         return cmp(self.__hash__(), other.__hash__())

...

>>> a = A()

>>> hash(1), hash(a)

(1, 1)

>>> cmp(1, a)

0

>>> d = {}

>>> d[1] = 'int 1'

>>> d

{1: 'int 1'}

>>> d[a] = 'instance a'

>>> d

{1: 'instance a'}

四、字典视图

从2.7版本开始，Python中引入了字典视图（Dictionary views）。字典视图 是字典的 动态视图：它们会与字典保持同步，实时反应出字典的变化。字典视图共有3种：键视图（Keys views）、值视图（Values views）和 元素视图（Items views），它们分别由dict.viewkeys()、dict.viewvalues()和dict.viewitems()三个函数返回。

所有的字典视图都支持以下操作：

操作 说明
len(dictview) 返回字典的长度
iter(dictview) 返回（键、值、元素）迭代器
x in dictview 判断x是否为（键、值、元素）的成员

此外，因为字典的键是 唯一 且 可哈希的，所以 键视图 还支持 类似集合（set-like）的操作。如果字典的值是 可哈希的，那么 元素视图 也支持这些操作：

操作 说明
dictview & other 求交集
dictview | other 求并集
dictview - other 求差集
dictview ^ other 求对称差集

关于字典视图的示例，请参考 Dictionary view objects。

五、应用

1、模拟switch-case语句

以下是C中一个使用switch-case语句的示例：

int select(char c)

{

    int num = -1;

    switch (c)

    {

        case 'a':

            num = 1;

        break;

        case 'b':

            num = 2;

        break;

        case 'c':

            num = 3;

        break;

        default:

            num = 0;

        break;

    }

    return num;

}

Python中没有提供switch-case语句，但使用字典可以轻松实现类似上面的功能：

d = {'a': 1, 'b': 2, 'c': 3}

# 普通版本

def select1(c):

    num = -1

    if c not in d:

        num = 0

    else:

        num = d[c]

    return num

# 惊呆版本

def select2(c):

    return d.get(c, 0)

2、稀疏矩阵

使用元组作为字典的键，可以构建类似稀疏矩阵的数据结构：

>>> matrix = {}

>>> matrix[(2, 3, 4)] = 88

>>> matrix[(7, 8, 9)] = 99

>>>

>>> matrix

{(2, 3, 4): 88, (7, 8, 9): 99}

>>>

>>> x, y, z = 2, 3, 4

>>> matrix[(x, y, z)]

88

3、符号表

实际上，Python本身就在内部大量使用了字典，一个典型的应用就是符号表：

>>> locals() # 局部符号表

{'__builtins__': <module '__builtin__' (built-in)>, '__name__': '__main__', '__doc__': None, '__package__': None}

>>> globals() # 全局符号表

{'__builtins__': <module '__builtin__' (built-in)>, '__name__': '__main__', '__doc__': None, '__package__': None}
上一篇：Linux基础介绍【第一篇】


下一篇：NET使用NPOI组件将数据导出Excel-通用方法 【推荐】