[TOC]
### dict 內置字典
Python內置了字典:`dict`的支持,`dict`全稱`dictionary`,在其他語言中也稱為`map`,使用鍵-值(key-value)存儲,具有極快的查找速度。
#### list 查詢
舉個例子,假設要根據同學的名字查找對應的成績,如果用`list`實現,需要兩個`list`:
~~~
names = ['Michael', 'Bob', 'Tracy']
scores = [95, 75, 85]
~~~
給定一個名字,要查找對應的成績,就先要在`names`中找到對應的位置,再從`scores`取出對應的成績,`list`越長,耗時越長。
#### dict 查詢
如果用`dict`實現,只需要一個“名字”-“成績”的對照表,直接根據名字查找成績,無論這個表有多大,查找速度都不會變慢。用Python寫一個`dict`如下:
~~~
>>> d = {'Michael': 95, 'Bob': 75, 'Tracy': 85}
>>> d['Michael']
95
~~~
#### 兩種方法的對比
為什么`dict`查找速度這么快?因為`dict`的實現原理和查字典是一樣的。假設字典包含了1萬個漢字,我們要查某一個字。
- 一個辦法是把字典從第一頁往后翻,直到找到我們想要的字為止,這種方法就是在`list`中查找元素的方法,`list`越大,查找越慢。
- 第二種方法是先在字典的索引表里(比如部首表)查這個字對應的頁碼,然后直接翻到該頁,找到這個字。無論找哪個字,這種查找速度都非常快,不會隨著字典大小的增加而變慢。
`dict`就是第二種實現方式,給定一個名字,比如`'Michael'`,`dict`在內部就可以直接計算出`Michael`對應的存放成績的`“頁碼”`,也就是`95`這個數字存放的內存地址,直接取出來,所以速度非常快。
#### 數據放入 dict 中
你可以猜到,這種`key-value`存儲方式,在放進去的時候,必須根據`key`算出`value`的存放位置,這樣,取的時候才能根據key直接拿到value。
把數據放入dict的方法,除了初始化時指定外,還可以通過key放入:
~~~
>>> d['Adam'] = 67
>>> d['Adam']
67
~~~
##### 存入數據注意
由于一個`key`只能對應一個`value`,所以,多次對一個`key`放入`value`,后面的值會把前面的值沖掉:
~~~
>>> d['Jack'] = 90
>>> d['Jack']
90
>>> d['Jack'] = 88
>>> d['Jack']
88
~~~
如果key不存在,dict就會報錯:
~~~
>>> d['Thomas']
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
KeyError: 'Thomas'
~~~
##### 判斷 key 是否存在
要避免key不存在的錯誤,有兩種辦法,
- 一是通過`in`判斷`key`是否存在:
~~~
>>> 'Thomas' in d
False
~~~
- 二是通過`dict`提供的`get`方法,如果`key`不存在,可以返回`None`,或者自己指定的`value`:
~~~
>>> d.get('Thomas')
>>> d.get('Thomas', -1)
-1
~~~
注意:返回`None`的時候Python的交互式命令行不顯示結果。
##### 刪除 key
要刪除一個`key`,用`pop(key)`方法,對應的`value`也會從`dict`中刪除:
~~~
>>> d.pop('Bob')
75
>>> d
{'Michael': 95, 'Tracy': 85}
~~~
請務必注意,`dict`內部存放的順序和`key`放入的順序是沒有關系的。
#### dict 與 list 比較
和`list`比較,`dict`有以下幾個特點:
- 查找和插入的速度極快,不會隨著key的增加而變慢;
- 需要占用大量的內存,內存浪費多。
而list相反:
- 查找和插入的時間隨著元素的增加而增加;
- 占用空間小,浪費內存很少。
所以,dict是用空間來換取時間的一種方法。
#### dict 使用注意
`dict`可以用在需要高速查找的很多地方,在Python代碼中幾乎無處不在,正確使用dict非常重要,需要牢記的第一條就是`dict`的`key`必須是不可變對象。
這是因為`dict`根據`key`來計算`value`的存儲位置,如果每次計算相同的`key`得出的結果不同,那`dict`內部就完全混亂了。這個通過`key`計算位置的算法稱為哈希算法(Hash)。
要保證`hash`的正確性,作為`key`的對象就不能變。在Python中,字符串、整數等都是不可變的,因此,可以放心地作為`key`。而`list`是可變的,就不能作為`key`:
~~~
>>> key = [1, 2, 3]
>>> d[key] = 'a list'
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: unhashable type: 'list'
~~~
### set
#### set 的使用
`set`和`dict`類似,也是一組`key`的集合,但不存儲`value`。由于`key`不能重復,所以,在`set`中,沒有重復的`key`。
要創建一個`set`,需要提供一個`list`作為輸入集合:
~~~
>>> s = set([1, 2, 3])
>>> s
{1, 2, 3}
~~~
注意,傳入的參數`[1, 2, 3]`是一個`list`,而顯示的`{1, 2, 3}`只是告訴你這個`set`內部有`1,2,3`這`3`個元素,顯示的順序也不表示`set`是有序的。。
重復元素在`set`中自動被過濾:
~~~
>>> s = set([1, 1, 2, 2, 3, 3])
>>> s
{1, 2, 3}
~~~
通過`add(key)`方法可以添加元素到`set`中,可以重復添加,但不會有效果:
~~~
>>> s.add(4)
>>> s
{1, 2, 3, 4}
>>> s.add(4)
>>> s
{1, 2, 3, 4}
~~~
通過`remove(key)`方法可以刪除元素:
~~~
>>> s.remove(4)
>>> s
{1, 2, 3}
~~~
#### set 可以看做集合
`set`可以看成數學意義上的無序和無重復元素的集合,因此,兩個`set`可以做數學意義上的交集、并集等操作:
~~~
>>> s1 = set([1, 2, 3])
>>> s2 = set([2, 3, 4])
>>> s1 & s2
{2, 3}
>>> s1 | s2
{1, 2, 3, 4}
~~~
`set`和`dict`的唯一區別僅在于沒有存儲對應的`value`,但是,`set`的原理和`dict`一樣,所以,同樣不可以放入可變對象,因為無法判斷兩個可變對象是否相等,也就無法保證`set`內部“不會有重復元素”。試試把`list`放入`set`,看看是否會報錯。
#### 再議不可變對象
上面我們講了,`str`是不變對象,而`list`是可變對象。
對于可變對象,比如`list`,對`list`進行操作,`list`內部的內容是會變化的,比如:
~~~
>>> a = ['c', 'b', 'a']
>>> a.sort()
>>> a
['a', 'b', 'c']
~~~
而對于不可變對象,比如`str`,對`str`進行操作呢:
~~~
>>> a = 'abc'
>>> a.replace('a', 'A')
'Abc'
>>> a
'abc'
~~~
雖然字符串有個`replace()`方法,也確實變出了`'Abc'`,但變量`a`最后仍是`'abc'`,應該怎么理解呢?
我們先把代碼改成下面這樣:
~~~
>>> a = 'abc'
>>> b = a.replace('a', 'A')
>>> b
'Abc'
>>> a
'abc'
~~~
>[info]要始終牢記的是,`a`是變量,而`'abc'`才是字符串對象!有些時候,我們經常說,對象`a`的內容是`'abc'`,但其實是指,`a`本身是一個變量,它指向的對象的內容才是`'abc'`:

- 當我們調用`a.replace('a', 'A')`時,實際上調用方法`replace`是作用在字符串對象`'abc'`上的,而這個方法雖然名字叫`replace`,但卻沒有改變字符串`'abc'`的內容。相反,`replace`方法創建了一個新字符串`'Abc'`并返回,如果我們用變量`b`指向該新字符串,就容易理解了,變量`a`仍指向原有的字符串`'abc'`,但變量b卻指向新字符串`'Abc'`了:

所以,對于不變對象來說,調用對象自身的任意方法,也不會改變該對象自身的內容。相反,這些方法會創建新的對象并返回,這樣,就保證了不可變對象本身永遠是不可變的。
### 小結
#### dict
使用`key-value`存儲結構的`dict`在Python中非常有用,選擇不可變對象作為`key`很重要,最常用的key是字符串。
#### tuple雖然是不變對象,但試試把(1, 2, 3)和(1, [2, 3])放入dict或set中,并解釋結果。
- Python教程
- Python簡介
- 安裝Python
- Python解釋器
- 第一個 Python 程序
- 使用文本編輯器
- Python代碼運行助手
- 輸入和輸出
- 源碼
- learning.py
- Python基礎
- 數據類型和變量
- 字符串和編碼
- 使用list和tuple
- 條件判斷
- 循環
- 使用dict和set
- 函數
- 調用函數
- 定義函數
- 函數的參數
- 遞歸函數
- 高級特性
- 切片
- 迭代
- 列表生成式
- 生成器
- 迭代器
- 函數式編程
- 高階函數
- map/reduce
- filter
- sorted
- 返回函數
- 匿名函數
- 裝飾器
- 偏函數
- Python函數式編程——偏函數(來自博客)
- 模塊
- 使用模塊
- 安裝第三方模塊
- 面向對象編程
- 類和實例
- 訪問限制
- 繼承和多態
- 獲取對象信息
- 實例屬性和類屬性
- 面向對象高級編程
- 使用__slots__
- 使用@property
- 多重繼承
- 定制類
- 使用枚舉類
- 使用元類
- 錯誤、調試和測試
- 錯誤處理
- 調試
- 單元測試
- 文檔測試
- IO編程
- 文件讀寫
- StringIO和BytesIO
- 操作文件和目錄
- 序列化
- 進程和線程
- 多進程
- 多線程
- ThreadLocal
- 進程 vs. 線程
- 分布式進程
- 正則表達式
- 常用內建模塊
- datetime
- collections
- base64
- struct
- hashlib
- itertools
- contextlib
- XML
- HTMLParser
- urllib
- 常用第三方模塊
- PIL
- virtualenv
- 圖形界面
- 網絡編程
- TCP/IP簡介
- TCP編程
- UDP編程
- 電子郵件
- SMTP發送郵件
- POP3收取郵件
- 訪問數據庫
- 使用SQLite
- 使用MySQL
- 使用SQLAlchemy
- Web開發
- HTTP協議簡介
- HTML簡介
- WSGI接口
- 使用Web框架
- 使用模板
- 異步IO
- 協程
- asyncio
- async/await
- aiohttp
- 實戰
- Day 1 - 搭建開發環境
- Day 2 - 編寫Web App骨架
- Day 3 - 編寫ORM
- Day 4 - 編寫Model
- Day 5 - 編寫Web框架
- Day 6 - 編寫配置文件
- Day 7 - 編寫MVC
- Day 8 - 構建前端
- Day 9 - 編寫API
- Day 10 - 用戶注冊和登錄
- Day 11 - 編寫日志創建頁
- Day 12 - 編寫日志列表頁
- Day 13 - 提升開發效率
- Day 14 - 完成Web App
- Day 15 - 部署Web App
- Day 16 - 編寫移動App
- FAQ
- 期末總結