乐趣区

关于python:抬抬小手学Python-说完列表说字典说完字典说集合

jiezi

字典与汇合那些事儿

字典和汇合为何总要放在一起，说来也巧，就是因为它们都用大括号 {} 包裹。

字典和汇合那些根底操作

先说字典

字典是由键值对组成的，键为 Key，值为 Value，标记一下，在 Python3.6 之前字典是无需的，长度大小可变，元素也能够任意的删除和扭转，在 Python 3.7 之后，字典有序了。

为了测试字典的无序性，我专门在 Python 线上环境进行了测试，代码如下：

my_dict = {}
my_dict["A"] = "A"
my_dict["B"] = "B"
my_dict["C"] = "C"
my_dict["D"] = "D"

for key in my_dict:
    print(key)

运行后果也证实了无序性。

在本地 Python 3.8 版本测试，没有呈现乱序的状况。

所以再有人问 Python 外面的字典有没有程序呀，不要间接答复无序了，这玩意当初有程序。

字典这种键值对构造，相较于列表与元组更加适宜增加元素、删除元素、查找元素等操作。

字典的创立不在细说，滚雪球第一遍学习的时候，曾经波及了，须要留神的是索引键的时候，如果键不存在，会呈现 KeyError 谬误，该谬误属于极其常见谬误。

my_dict = {}
my_dict["A"] = "A"
my_dict["B"] = "B"
my_dict["C"] = "C"
my_dict["D"] = "D"

print(my_dict["F"])

谬误提醒如下：

Traceback (most recent call last):
  File ".\demo.py", line 7, in <module>
    print(my_dict["F"])
KeyError: 'F'

如果你不心愿此异样呈现，在索引键的时候应用 get(key,default) 函数即可。

print(my_dict.get("F","None"))

再聊汇合

汇合和字典根本构造雷同，最大的区别是汇合没有键值对，它是一系列无序且惟一的元素组合。
汇合不反对索引操作，也就是说上面的代码必定是会报错的。

my_set = {"A","B","C"}
print(my_set[0])

异样提醒为类型谬误：TypeError: 'set' object is not subscriptable。

其余重点记忆的就是汇合常常用在去重操作上，把握即可。

字典与汇合的排序

基本操作仍旧不在过多解释，须要的能够去第一遍滚雪球学习，这里强调一下排序函数，因为波及了一些扩大知识点，能够先接触一下，前面对于局部内容还会细讲。

学习之前，你要记住，对汇合进行 pop 操作，失去的元素是不确定的，因为汇合无序，具体你能够测试如下代码：

my_set = {"A","B","C"}
print(my_set.pop())

如果心愿对字典排序，依照咱们已知的技术，能够这样进行。
以下内容为 Python3.6 版本以下运行后果。

间接应用 sorted 函数即可对字典排序，排序的时候，还能够指定依照键或者值进行排序，例如依照字典值升序排序。

my_dict = {}
my_dict["A"] = "4"
my_dict["B"] = "3"
my_dict["C"] = "2"
my_dict["D"] = "1"
sorted_dict = sorted(my_dict.items(),key=lambda x:x[1])
print(sorted_dict)

输入后果如下，失去的后果是依照字典的值进行排序的，这里须要留神的是 lambda 匿名函数在后续的课程将逐渐开展

[('D', '1'), ('C', '2'), ('B', '3'), ('A', '4')]

汇合排序无特地阐明，间接应用 sorted 函数即可。

字典与汇合的效率问题

字典与汇合的效率问题，次要比照的对象是列表，假如当初有一堆学号和体重的数据，咱们须要判断出不同体重数的学生人数。
需要形容如下：
有 4 个学生，依照学号排序造成的元组为 (1,90)，(2,90)，(3,60)，(4,100)，最终的后果输入 3（存在三个不同的体重）
依照需要编写代码如下：
列表写法

def find_unique_weight(students):
    # 申明一个统计列表
    unique_list = []
    # 循环所有学生数据
    for id, weight in students:
        # 如果体重没有在统计列表中
        if weight not in unique_list:
            # 新增体重数据
            unique_list.append(weight)
    # 计算列表长度
    ret = len(unique_list)
    return ret

students = [(1, 90),
    (2, 90),
    (3, 60),
    (4, 100)
]
print(find_unique_weight(students))

接下来上述代码批改为 汇合写法


def find_unique_weight(students):
    # 申明一个统计汇合
    unique_set = set()
    # 循环所有学生数据
    for id, weight in students:
        # 汇合会主动过滤反复数据
        unique_set.add(weight)
    # 计算汇合长度
    ret = len(unique_set)
    return ret

代码写完之后，并未发现有太大的差别，然而如果把数据扩充到更大的两集，例如上万数据。
以下代码工夫计算函数利用的是 time.perf_counter() 该函数第一次调用时，从计算机系统里随机选一个工夫点 A，计算其间隔以后工夫点 B1 有多少秒。当第二次调用该函数时，默认从第一次调用的工夫点 A 算起，间隔以后工夫点 B2 有多少秒。两个函数取差，即实现从工夫点 B1 到 B2 的计时性能，首先联合列表计算的函数，运行下述代码

import time
id = [x for x in range(1, 10000)]
# 体重数据为了计算，也只能从 1 到 10000 了
weight = [x for x in range(1, 10000)]
students = list(zip(id, weight))

start_time = time.perf_counter()
# 调用列表计算函数
find_unique_weight(students)
end_time = time.perf_counter()
print("运算工夫为：{}".format(end_time - start_time))

运行工夫为 1.7326523，每台电脑运行速度不统一，具体看差别。
批改上述代码运行到汇合编写的函数上，最终失去的后果为 0.0030606，能够看到在 10000 条数据的量级下就曾经产生了如此大的差别，如果数量级在进行回升，差别会再次加大，所以你理解到该用什么内容了吗？

这篇博客的总结

这篇博客，咱们对字典与汇合相干的常识进行了补充，有一个常识橡皮擦仍旧进行了略过，就是字典与汇合的存储原理，具体会波及到哈希表构造相干常识，这部分对高级利用影响不大，所以临时略过，对于字典与汇合来说，如果你在编写程序中须要高效查找数据、去重数据，倡议及时的把二者利用起来。

退出移动版