Python字典(dict)

字典dict是Python中使用频率非常高的数据结构,关于它的使用,也有许多的小技巧,掌握这些小技巧会让你高效地的使用dict,也会让你的代码更简洁.

1.默认值

假设name_for_userid存放的是name和id的映射关系:

name_for_userid = {
    1: '张三',
    2: '李四',
    3: '王五',
}

获取name_for_userid中的某一个id的name，最简单的方式：

name_for_userid[1]

'张三'

这种方式虽然简单，但有一个不便之处就是，如果获取一个不存在于name_for_userid中的值程序会出现异常：

name_for_userid[4]
---------------------------------------------------------------------------
KeyError                                  Traceback (most recent call last)
<ipython-input-138-66c7bf5cd53a> in <module>()
----> 1 name_for_userid[4]

KeyError: 4

很多时候我们不希望程序出现这种异常，为了避免这种情况，可以在获取name之前先判断该id是否已经存在name_for_userid中：

if 4 in name_for_userid:
    print(name_for_userid[4])
else:
    print("Not Found")

"Not Found"

这种写法虽然可行，但是效率不高，因为获取某一个id对应的name最多需要查询两次：第一次是先判断该id是否存在name_for_userid中，若存在则第二次从name_for_userid中取出name值。还有一种写法：

try:
    print(name_for_userid[4])
except KeyError:
    print("Not Found")

"Not Found"

这种写法代码有些冗余，不够简洁，所以，dict提供了get方法，这个方法的好处就是可以设值default值，对于那些不存在于dict中的key会返回default值作为它的value:

name_for_userid.get(4,"None")

"None"

2.排序

card = {'a': 4, 'c': 2, 'b': 3, 'd': 1}

用sorted对card排序，其实是用card的key进行排序，如下：

sorted(card.items())

[('a', 4), ('b', 3), ('c', 2), ('d', 1)]

有些时候我们需要对card的value进行排序，这个时候就可以使用sorted函数中的key这个参数，我们可以help一下这个函数的用法：

help(sorted)

Help on built-in function sorted in module builtins:

sorted(iterable, key=None, reverse=False)
    Return a new list containing all items from the iterable in ascending order.
    
    A custom key function can be supplied to customise the sort order, and the
    reverse flag can be set to request the result in descending order.

所以我们可以自定义一个key函数sorted_by_value:

def sorted_by_value(item):
    return item[1]

sorted(card.items(),key=sorted_by_value)

[('d', 1), ('c', 2), ('b', 3), ('a', 4)]

其实，如果使用lambda匿名函数的话，代码会更简洁：

sorted(card.items(),key=lambda item:item[1])

 如果让别人更轻松的理解你的意图，你可以尝试用下面的方法：

import operator
sorted(card.items(),key=operator.itemgetter(1))

需要注意的是，operator.itemgetter函数获取的不是值，而是定义了一个函数，通过该函数作用到对象上才能获取该对象上指定域的值。

其实，还是比较喜欢lambda表达式，因为它灵活，简洁，比如，要对依据value的绝对值对dict排序，就可以这样写:

sorted(card.items(),key=lambda item:abs(item[1]))

3.switch...case

有句老话是这样说的，Python过去现在以及以后都不会有switch...case语句。这是因为if…elif…else和dict都能实现switch...case语句，所以switch...case就没有存在的必要了。

• if...elif...else

if cond == 'cond_a':
    handle_a()
elif cond == 'cond_b':
    handle_b()
else:
    handle_default()

用if...elif...else来实现switch的功能，好处就是可读性强，但是如果处理的条件比较多，这样的写法就有些啰嗦和冗余。所以，这个时候dict就又闪亮登场了。

• dict

func_dict = {
    'cond_a': handle_a,
    'cond_b': handle_b
}

cond = 'cond_a'
func_dict[cond]()

相对于if...elif...else，dict就显得清爽了许多，另外，如果想要实现default我们也可以使用dict的get()方法：

>>>func_dict.get(cond, handle_default)()

这样即使cond不在func_dict中，程序也不会异常中止。

下面再举一个例子，如下

>>>def dispatch_if(operator, x, y):
    if operator == 'add':
        return x + y
    elif operator == 'sub':
        return x - y
    elif operator == 'mul':
        return x * y
    elif operator == 'div':
        return x / y

>>>def dispatch_dict(operator, x, y):
    return {
        'add': lambda: x + y,
        'sub': lambda: x - y,
        'mul': lambda: x * y,
        'div': lambda: x / y,
    }.get(operator, lambda: None)()

如果想的再深入点的话，上面的例子就性能上来说不是最优的，因为，每次调用dispatch_dict函数的时候都会生成一个临时的包含各种操作码(加减乘除)的字典，最好的情况当然是这个字典只生成一次(常量)，下次再调用此函数的时候，直接使用此字典就可以了，另外，python中的operator模块已经实现了加减乘除如：operator.mul, operator.div ，完全可以替代lambda表达式。这里只是举个例子以更好的明白if…elif…else和dict的异同。

4.合并dict的几种方法

有的时候需要用一个dict去更新另一个dict，比如，用户自定义的配置文件去覆盖默认配置，等等。假设有下面两个dict：

>>> xs = {'a': 1, 'b': 2}
>>> ys = {'b': 3, 'c': 4}

最常用的就是用dict内置的update()方法:

>>> zs = {}
>>> zs.update(xs)
>>> zs.update(ys)
>>> zs
{'a': 1, 'b': 3, 'c': 4}

还有一种方法就是使用内置的dict()：

>>> zs = {**xs, **ys}
{'a': 1, 'b': 3, 'c': 4}

5.美观打印

当打印一些调试信息的时候，美观的打印输出有的时候能让人很直观的看出关键信息，提高调试的效率。

最朴素的打印：

>>> mapping = {'a': 23, 'b': 42, 'c': 0xc0ffee}
>>> str(mapping)
"{'c': 12648430, 'a': 23, 'b': 42}"

借助内置模块json可以实现更加直观的表现形式：

>>> import json
>>> json.dumps(mapping, indent=4, sort_keys=True)
{
    "a": 23,
    "b": 42,
    "c": 12648430
}

但是这种方法有一定的限制：

>>> mapping['d'] = {1, 2, 3}
>>> json.dumps(mapping)
TypeError: "set([1, 2, 3]) is not JSON serializable"

>>> json.dumps({all: 'yup'})
TypeError: "keys must be a string"

所以，还可以使用下面的方式：

>>> import pprint
>>> pprint.pprint(mapping)
{'a': 23, 'b': 42, 'c': 12648430, 'd': set([1, 2, 3])}

6.彩蛋

 最后介绍几个关于dict比较有意思的东西 .

a = ((1,2),(2,3))
print(dict(a))

#{1: 2, 2: 3}

>>>print("keys:",list({True: 'yes', 1: 'no', 1.0: 'maybe'}.keys()))
>>>print("values:",list({True: 'yes', 1: 'no', 1.0: 'maybe'}.values()))

上面的代码会打印出什么结果呢,一开始我认为是下面的输出:

keys: [True,1,1.0]
values: ['yes','no','maybe']

真是too young too simple,其实结果应是:

keys: [True]
values: ['maybe']

why?再仔细想想的化,既然key是True,那value为什么不是yes而是maybe,再者,既然value是maybe,那key值为什么不是1.0而是True呢?你们的疑问是不是和我一样?

其实,当Python在处理dict表达式的时候,它会先根据dict类创建出dict的实例,然后按照item(key:value)在dict表达式出现的顺序依次赋值,如下:

>>>xs = dict()
>>>xs[True] = 'yes'
>>>xs[1] = 'no'
>>>xs[1.0] = 'maybe'

更奇怪的是,dict会用下面的表达式认为他的key值都是相等的:

>>>True == 1 == 1.0

True

看到1==1.0你也许不会感到奇怪,但是为什么会有True==1?当时看到这里我也有点懵逼的感觉.

翻阅了一下Python的官方文档,在这一章节The standard type hierarchy中发现下面这段话:

“The Boolean type is a subtype of the integer type, and Boolean values behave like the values 0 and 1, respectively, in almost all contexts, the exception being that when converted to a string, the strings ‘False’ or ‘True’ are returned, respectively.”

意思就是说,Boolean是Int的子类,就是0和1.那么我们可以验证一下:

>>>["No","Yes"][True]

结果果然是Yes,

>>>["No","Yes"][False]

结果也果然是No.但是为了清晰起见,不建议这样用.

看到这里你可能会问,这和dict有毛关系.接着往下看:

就Python而言,True,1和1.0都表示相同的字典key值,当解释器在执行dict表达式的时候,它会把后面的同一个key(True)的value值覆盖掉这个key(True)之前的value值.所以就会有下面的结果:

>>>{True: 'yes', 1: 'no', 1.0: 'maybe'}
{True: 'maybe'}

但是key为什么没有被最后的1.0覆盖呢?其实道理也很简单,既然是一样的key,为什么还要多此一举再用多余的时间去更新"相同的"key呢?这是出于CPython解释器性能的考虑.

>>>ys = {1.0: 'no'}
>>>ys[True] = 'yes'
>>>ys
输出:{1.0: 'yes'}

 根据我们现在所了解到的,从表面上看是当key值相同时才会覆盖掉已有的value值,但是,事实证明,这不仅仅和判定相等的__eq__有关系.

Python的字典是通过哈希表实现的,也就是说,它通过把key映射到表中一个位置来访问记录，以加快查找的速度。这个映射函数叫做哈希函数,存放记录的数组叫做哈希表。但是没有十分完美的哈希函数计算出来的存储位置都是不一样的,所以就会存在哈希冲突的情况,也就是不同的key计算出来的存储位置是同一个地址.下面来看看究竟是什么导致了更新value值.

• 先定义如下的一个类:

>>>class AlwaysEquals:
    def __eq__(self, other):
        return True
    def __hash__(self):
        return id(self)

AlwaysEquals有两个方法:__eq__和__hash__.
首先,由于__eq__返回True,所以下面的条件表达式都是True:

>>>AlwaysEquals() == AlwaysEquals()
>>>AlwaysEquals() == 42 
>>>AlwaysEquals() == 'waaat?' 

其次,由于__hash__返回该对象的id值,也就是内存地址,所以有:

>>>objects = [AlwaysEquals(),AlwaysEquals(),AlwaysEquals()]
>>>[hash(obj) for obj in objects]

[140388524604608, 140388524604664, 140388524604720]

所以,综上,当值相等而hash值不相等时候,是否会存在value值覆盖:

>>>{AlwaysEquals(): 'yes', AlwaysEquals(): 'no'}

结果是:

{<__main__.AlwaysEquals at 0x7faec023bbe0>: 'yes',<__main__.AlwaysEquals at 0x7faec023bac8>: 'no'}

• 重新定义一个类SameHash:

>>>class SameHash:
    def __hash__(self):
        return 1
>>>a = SameHash()
>>>b = SameHash()

由于__hash__返回1,所以有:

>>> a == b
False
>>> hash(a), hash(b)
(1, 1)

当值不相等而hash值相等的时候,是否会存在value值覆盖：

>>> {a: 'a', b: 'b'}
{ <SameHash instance at 0x7f7159020cb0>: 'a',<SameHash instance at 0x7f7159020cf8>: 'b' }

综上这两种情况，value值都不会被更新。

而{True: 'yes', 1: 'no', 1.0: 'maybe'}  会出现更新key所对应的value值，是因为：

>>> True == 1 == 1.0
True
>>> (hash(True), hash(1), hash(1.0))
(1, 1, 1)

他们同时满足条件表达式相等且hash值也相等。