目录 | 上一节 (2.1 数据类型) | 下一节 (2.3 格式化)

2.2 容器

本节探讨列表（list），字典（dict）和汇合（set）。

概述

通常，程序必须解决许多对象。

股票的投资组合
股票价格表

这里有三种次要的抉择（译注：数据结构）能够应用：

列表。有序的数据。
字典。无序的数据。
汇合。互异且无序的数据。

把列表当作容器

当数据程序很重要时，请应用列表。记住，列表能够存储任何类型的对象。例如，蕴含元组的列表：

portfolio = [    ('GOOG', 100, 490.1),    ('IBM', 50, 91.3),    ('CAT', 150, 83.44)]portfolio[0]            # ('GOOG', 100, 490.1)portfolio[2]            # ('CAT', 150, 83.44)

列表构建

从零开始构建列表。

records = []  # Initial empty list# Use .append() to add more itemsrecords.append(('GOOG', 100, 490.10))records.append(('IBM', 50, 91.3))...

从文件读取记录的示例：

records = []  # Initial empty listwith open('Data/portfolio.csv', 'rt') as f:    next(f) # Skip header    for line in f:        row = line.split(',')        records.append((row[0], int(row[1]), float(row[2])))

把字典当作容器

如果要疾速随机查找（通过键名），那么字典很有用。例如，股票价格字典：

prices = {   'GOOG': 513.25,   'CAT': 87.22,   'IBM': 93.37,   'MSFT': 44.12}

以下是一些简略的查找：

>>> prices['IBM']93.37>>> prices['GOOG']513.25>>>

字典构建

从零开始构建字典的示例：

prices = {} # Initial empty dict# Insert new itemsprices['GOOG'] = 513.25prices['CAT'] = 87.22prices['IBM'] = 93.37

从文件内容填充字典的示例：

prices = {} # Initial empty dictwith open('Data/prices.csv', 'rt') as f:    for line in f:        row = line.split(',')        prices[row[0]] = float(row[1])

留神：如果是在 Data/prices.csv 文件上尝试此操作，会发现简直能够失常工作——然而，在开端有一个空行导致程序解体了。须要找出一些办法来批改代码以解决此问题（参见练习 2.6）。

字典查找

测试键是否存在：

if key in d:    # YESelse:    # NO

能够查找可能不存在的值，并在值不存在的状况下提供默认值。

name = d.get(key, default)

示例：

>>> prices.get('IBM', 0.0)93.37>>> prices.get('SCOX', 0.0)0.0>>>

组合键

在Ｐython 中，简直任何类型的值都能够用作字典的键。字典的键必须是不可变类型。例如，元组：

holidays = {  (1, 1) : 'New Years',  (3, 14) : 'Pi day',  (9, 13) : "Programmer's day",}

而后拜访：

>>> holidays[3, 14]'Pi day'>>>

列表，汇合或者其它字典都不能用作字典的键，因为列表和字典（译注：汇合也是应用哈希技术实现的）是可变的。

汇合

汇合是互异且无序的数据。

tech_stocks = { 'IBM','AAPL','MSFT' }# Alternative syntaxtech_stocks = set(['IBM', 'AAPL', 'MSFT'])

汇合对于成员关系测试很有用。

>>> tech_stocksset(['AAPL', 'IBM', 'MSFT'])>>> 'IBM' in tech_stocksTrue>>> 'FB' in tech_stocksFalse>>>

汇合对于打消反复也很有用。

names = ['IBM', 'AAPL', 'GOOG', 'IBM', 'GOOG', 'YHOO']unique = set(names)# unique = set(['IBM', 'AAPL','GOOG','YHOO'])

其它汇合操作：

names.add('CAT')        # Add an itemnames.remove('YHOO')    # Remove an items1 | s2                 # Set unions1 & s2                 # Set intersections1 - s2                 # Set difference

练习

在这些练习中，你开始构建的程序是本课程残余局部应用的次要程序之一。请在 Work/report.py 文件中工作。

练习 2.4：蕴含元组的列表

Data/portfolio.csv 文件蕴含投资组合中的股票列表。在练习 1.30 中，你编写了一个读取该文件并执行简略计算的 portfolio_cost(filename) 函数。

代码看起来应该像上面这样：

# pcost.pyimport csvdef portfolio_cost(filename):    '''Computes the total cost (shares*price) of a portfolio file'''    total_cost = 0.0    with open(filename, 'rt') as f:        rows = csv.reader(f)        headers = next(rows)        for row in rows:            nshares = int(row[1])            price = float(row[2])            total_cost += nshares * price    return total_cost

请应用这些代码作为领导，创立一个新文件 report.py 。在 report.py 文件中，定义 read_portfolio(filename) 函数，该函数关上 Data/portfolio.csv 文件并将其读入到蕴含元组的列表中。为此，你须要对下面的代码做一些小批改。

首先，创立一个最后设为空列表的变量，而不是定义 total_cost = 0。例如：

portfolio = []

接着，把每一行精确地存储到元组中（就像在上次的练习中做的那样），而后把元组追加到列表中，而不是共计总的费用。

for row in rows:    holding = (row[0], int(row[1]), float(row[2]))    portfolio.append(holding)

最初，返回失去的portfolio 列表。

请交互式地试验函数（揭示，要执行此操作，首先须要在解释器运行 report.py 程序）。

提醒：当在终端执行文件的时候，请应用 -i 参数。

>>> portfolio = read_portfolio('Data/portfolio.csv')>>> portfolio[('AA', 100, 32.2), ('IBM', 50, 91.1), ('CAT', 150, 83.44), ('MSFT', 200, 51.23),    ('GE', 95, 40.37), ('MSFT', 50, 65.1), ('IBM', 100, 70.44)]>>>>>> portfolio[0]('AA', 100, 32.2)>>> portfolio[1]('IBM', 50, 91.1)>>> portfolio[1][1]50>>> total = 0.0>>> for s in portfolio:        total += s[1] * s[2]>>> print(total)44671.15>>>

创立的蕴含元组的列表十分相似于二维（2-Ｄ）数组。例如，应用诸如 portfolio[row][column] （ row 和column 是整数）的查找来拜访特定的列和行。

也就是说，能够应用像上面这样的语句重写最初的 for 循环：

>>> total = 0.0>>> for name, shares, price in portfolio:            total += shares*price>>> print(total)44671.15>>>

练习 2.5：蕴含字典的列表

应用字典（而不是元组）批改在练习 2.4 中编写的函数来示意投资组合中的股票。在字典中，应用字段名 "name", "shares" 和 "price" 来示意输出文件中的不同列。

以与练习 2.4 中雷同的形式试验这个新的函数。

>>> portfolio = read_portfolio('Data/portfolio.csv')>>> portfolio[{'name': 'AA', 'shares': 100, 'price': 32.2}, {'name': 'IBM', 'shares': 50, 'price': 91.1},    {'name': 'CAT', 'shares': 150, 'price': 83.44}, {'name': 'MSFT', 'shares': 200, 'price': 51.23},    {'name': 'GE', 'shares': 95, 'price': 40.37}, {'name': 'MSFT', 'shares': 50, 'price': 65.1},    {'name': 'IBM', 'shares': 100, 'price': 70.44}]>>> portfolio[0]{'name': 'AA', 'shares': 100, 'price': 32.2}>>> portfolio[1]{'name': 'IBM', 'shares': 50, 'price': 91.1}>>> portfolio[1]['shares']50>>> total = 0.0>>> for s in portfolio:        total += s['shares']*s['price']>>> print(total)44671.15>>>

在这里能够看到，每个条目标不同字段是通过键名来拜访的，而不是数字类型的列号。这通常是首选形式，因为这样失去的代码在当前易于浏览。

查看大型的字典或者列表可能会很凌乱。要使调试的输入变得整洁，能够思考应用 pprint() 函数。

>>> from pprint import pprint>>> pprint(portfolio)[{'name': 'AA', 'price': 32.2, 'shares': 100},    {'name': 'IBM', 'price': 91.1, 'shares': 50},    {'name': 'CAT', 'price': 83.44, 'shares': 150},    {'name': 'MSFT', 'price': 51.23, 'shares': 200},    {'name': 'GE', 'price': 40.37, 'shares': 95},    {'name': 'MSFT', 'price': 65.1, 'shares': 50},    {'name': 'IBM', 'price': 70.44, 'shares': 100}]>>>

练习 2.6：把字典当作容器

在应用索引而不是数字查找某元素的中央，字典是一种用来跟踪元素的很有用的形式。在 Python shell 中，尝试应用字典：

>>> prices = { }>>> prices['IBM'] = 92.45>>> prices['MSFT'] = 45.12>>> prices... look at the result ...>>> prices['IBM']92.45>>> prices['AAPL']... look at the result ...>>> 'AAPL' in pricesFalse>>>

该 Data/prices.csv 文件蕴含一系列带有股票价格的行，看起来像上面这样：

"AA",9.22"AXP",24.85"BA",44.85"BAC",11.27"C",3.72...

编写 read_prices(filename)函数将诸如此类的价格汇合读取到字典中，字典的键代表股票的名字，字典的值代表股票的价格。

为此，从空字典开始，并且像下面做的那样开始插入值。然而，当初正在从从文件中读取值。

咱们将应用该数据结构疾速查找给定名称的股票的价格。

这部分须要一些小技巧。首先，确保像之前做的那样应用 csv 模块——无需在这里反复创造轮子。

>>> import csv>>> f = open('Data/prices.csv', 'r')>>> rows = csv.reader(f)>>> for row in rows:        print(row)['AA', '9.22']['AXP', '24.85']...[]>>>

另外一个小麻烦是 Data/prices.csv 文件可能有一些空行在外面。留神下面数据的最初一行是一个空列表——象征在那一行没有数据。

这有可能导致你的程序因为异样而终止。酌情应用 try 和 except 语句捕捉这些异样。思考：应用 if 语句来防备谬误的数据是否会更好？

编写完 read_prices() 函数，请交互式地测试它并确保其失常工作：

>>> prices = read_prices('Data/prices.csv')>>> prices['IBM']106.28>>> prices['MSFT']20.89>>>

练习 2.7：看看你是否能够退休

通过增加一些计算盈亏的语句到 report.py 程序，将所有的工作分割到一起。这些语句应该采纳在练习 2.5 中存储股票名称的列表，以及在练习 2.6 中存储股票价格的字典，并计算投资组合的以后值以及盈亏。

目录 | 上一节 (2.1 数据类型) | 下一节 (2.3 格式化)

注：残缺翻译见 https://github.com/codists/practical-python-zh