Python基础:映射(字典)
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
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}