python集合和字典的区别_Python中的字典和集合

导语：本文章记录了本人在学习Python基础之数据结构篇的重点知识及个人心得，打算入门Python的朋友们可以来一起学习并交流。

本文重点：

1、掌握常见的字典创建，查询，判别方法；

2、了解字典中的defaultdict、子类化Userdict和常见映射类型；

3、了解支撑字典和集合背后的散列表的工作原理。

一、常见的字典方法

1、创建方法

分为字面量句法和构造方法两种，下面以{"one":1,"two":2,"three":3}为例

d1={"one":1,"two":2,"three":3}#字面量句法

d2=dict(one=1,two=2,three=3)

d3=dict([("one",1),("two",2),("three",3)])

d4=dict({"one":1,"two":2,"three":3})

d5=dict(zip(["one","two","three"],[1,2,3]))#zip并行解包

print(d1==d2==d3==d4==d5)#True

以上五种方法创建的字典是相等的。

2、isintance

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。

字典是Python中唯一的映射类型，它是存储了若干键值对（由键映射到值）的关联容器。

collections.abc模块中有两个抽象基类，分别是Mapping和MutableMapping，它们为dict和其他类似的类型定义形式接口。

isinstance：判定object的类型

语法：isinstance(object, classinfo)

其中，object 是变量，classinfo 是类型即 (tuple,dict,int,float,list,bool等) 和 class类

若参数object是classinfo类的实例，或者object是classinfo类的子类的一个实例，返回 True；若 object 不是一个给定类型的的对象，则返回结果总是False。

若classinfo不是一种数据类型或者由数据类型构成的元组，将引发一个TypeError 异常。

eg:

from _collections_abc import Mapping

my_dict={}

print(isinstance(my_dict,Mapping))#判断数据是否为广义映射类型。输出True.

isinstance和type的区别：

若对象是classinfo中一个类的子类，isinstance可以判断出来返回True，而type是不能的。

3、字典推导

字典推导:在{}中使用命令语句加for甚至if实现迭代推导出新列表的操作。

Country_Codes=[(86,"China"),(91,"India"),(1,"United States"),(62,"Indonesia"),(55,"Brazil"),(92,"Pakistan"),(81,"Japan")]

dict1={country:code for code,country in Country_Codes}#推导过程

print(dict1)

dict2={code:country.upper() for code,country in Country_Codes if code>80}#由限制要求创建字典

print(dict2)

#输出：

{'China': 86, 'India': 91, 'United States': 1, 'Indonesia': 62, 'Brazil': 55, 'Pakistan': 92, 'Japan': 81}

{86: 'CHINA', 91: 'INDIA', 92: 'PAKISTAN', 81: 'JAPAN'}

4、setdefault：处理找不到的键

d.setdefault VS d.get

d.setdefault(k,[default])和d.get(k,[default])两种方法都可以处理找不到的键的情况，区别在于setdefault在返回默认值的同时能够在原字典创建新的k-default键值对。

所以更新某个键值对但键不一定存在时，用d.setdefault更好一些.

eg1:处理找不到的键

names=["Ailee","Bob","Cindy"]

ages=["19","17","15"]

dict3={x:y for x,y in zip(names,ages)}#用zip可以并行拆包.

print(dict3)

print(dict3.get("David","20"))

print(dict3)#get处理查不到的键时返回默认值，但不会在原字典创建这个键.

dict3.setdefault("David","20")

print(dict3)#setdefault处理查不到的键时返回默认值，并且会在原字典创建这个键.

二、多样化的字典

1、defaultdict：处理找不到的键的另一选择

格式：class collections.defaultdict([default_factory[, ...]])

defaultdict是內建dict的子类，它能够在查询找不到的键时为其创造默认值，由此避免抛出keyerror。其他功能与dict相同。

eg:defaultdict推导

from _collections import defaultdict

dict3=defaultdict(list,[(x,y) for x,y in zip([1,2,3,4,5],list("apple"))])

print(dict3)

#输出：

defaultdict(, {1: 'a', 2: 'p', 3: 'p', 4: 'l', 5: 'e'})

eg:查询点名册同学的出席次数

from _collections import defaultdict

namelist=['Ailee', 'Bob', 'Cindy', 'Ailee', 'Bob', 'Cindy', 'Cindy', 'Cindy', 'Bob', 'Cindy', 'Ailee', 'Bob', 'Bob']

count=defaultdict(int)#使用记录值数据结构整型作为默认的工厂函数

for x in namelist:

count[x]+=1

print(count)#defaultdict(, {'Ailee': 3, 'Bob': 5, 'Cindy': 5})

原理解释：defaultdict在查询找不到的键时会通过__getitem__调用__missing__，然后__missing__根据default_factory选择返回默认值。当不输入default_factory时，会抛出keyerror。

我们可以通过print (defaultdict.__missing__.__doc__)来看__missing__的内部实现：

__missing__(key) # Called by __getitem__ for missing key; pseudo-code:

if self.default_factory is None: raise KeyError((key,))

self[key] = value = self.default_factory()#为找不到的键创建默认值

return value

注意：__missing__只能被__getitem__调用，调用__getitem__可用d[k]，d.get(k)无效。

default_factory的选择

类型名称作为初始化函数参数

此类设置根据创建字典的值的需求而定；

若值以整型记录可用int；若用列表记录多个数据可用list。

可调用函数作为初始化函数参数

使用任何不带参数的可调用函数，并以该函数返回值作为默认值。

仍以点名code为例，有两种方法：

1）自定义函数：

def zero():

return 0

count=defaultdict(zero)

2）使用lambda创建匿名函数

count=defaultdict(lambda :0)

2、子类化UserDict

UserDict继承自抽象基类（abstract based class）中的MutableMapping。

bV7V5I?w=700&h=223

UserDict是让用户继承写子类的。之所以倾向于从UserDict而不是dict继承的原因是，这是因为在覆盖重写dict类的 get(k, default)、__setitem__( )、__contain__( )、__missing__( ) 等方法时，常常又会使用到 mapObj[k]、 k in mapObj、mapObj[k] 等语法形式，这样一不小心就会造成这些内部方法的无穷递归调用。但是UserDict就不会有此类问题。

UserDict有一个data的属性，是dict的实例。用户定义UserDict的子类时如果重写方法，并不会递归调用UserDict的其他方法，而是对UserDict.data进行操作，这样就减少了用户自定义dict时防范死循环递归的难度。

eg:

import collections

class Modified_Dict(collections.UserDict):#继承自UserDict

def __missing__(self,key):

if isinstance(key, str):#防止递归循环，及时抛出keyerror

raise KeyError(key)

return self[str(key)]

def __contains__(self,key):

return str(key) in self.data

def __setitem__(self, key, item):

self.data[str(key)]=item

dict4=Modified_Dict({'Ailee': 3, 'Bob': 5, 'Cindy': 5})#使用新dict类构造字典

print(dict4["Ailee"])#输出：3

dict4.update({"one":1,"two":2})

print(dict4)#输出：{'Ailee': 3, 'Bob': 5, 'Cindy': 5, 'one': 1, 'two': 2}

错误示范：这里应该加圆括号建立自定义dict的空字典，否则之后的数据无法被更新

dict5=Modified_Dict

dict5.update({"one":1,"two":2})

print(dict5)#发现update失败 -_-!

UserDict继承自Mapping基类，诸如MutableMapping.update和Mapping.get也很实用。（截止2017.12.15 未掌握Mapping.get）

3、不可变映射类型

从Python3.3开始，type模块引入了一个封装类名叫做MappingProxyType。MappingProxyType提供一个可读的动态映射视图，即用户无法从这个视图对原映射进行改动，但是原映射有改动时可以通过这个视图观察到。

此类型特点在于防止用户错误的修改映射。

bV7V5T?w=521&h=76

from types import MappingProxyType

Prize_number={'Ailee': 3, 'Bob': 5, 'Cindy': 5}

dict6=MappingProxyType(Prize_number)

dict6["Ailee"]=6#不支持改动。TypeError: 'mappingproxy' object does not support item assignment

print(dict6)

Prize_number["Ailee"]=6

print(dict6)#{'Ailee': 6, 'Bob': 5, 'Cindy': 5}原映射改动可视。

4、其它映射类型

collections.OrderedDict

OrderedDict能够记住key的插入先后顺序。

eg:

from _collections import OrderedDict

d = {'banana': 3, 'apple': 4, 'pear': 1, 'orange': 2}

print(OrderedDict(sorted(d.items())))

print(OrderedDict(sorted(d.items(),key=lambda t :t[1])))

输出：

OrderedDict([('apple', 4), ('banana', 3), ('orange', 2), ('pear', 1)])

OrderedDict([('pear', 1), ('orange', 2), ('banana', 3), ('apple', 4)])

在之前第二章namedtuple中也提到过。namedtuple的实例方法_asdict()把具名元组以collections.OrderedDict的形式返回。

collections.ChainMap

ChainMap可以容纳数个不同的映射对象，然后在进行键查找操作的时候，这些对象会被当成一个整体被逐个查找，直到键被找到为止。

查询规则片段：

import builtins

pylookup = ChainMap(locals(), globals(), vars(builtins))

想了解更多：

https://docs.python.org/3/lib...

collections.Counter

counter用来统计目标集合中不同的元素及其频数，利用most_common([n])返回前n个频数最高的值以及相应的计数。

eg:

from collections import Counter

ct=Counter('wasdddsasd')

print(ct)#Counter({'d': 4, 's': 3, 'a': 2, 'w': 1})

ct.update("dassddd")

print(ct.most_common(2))#[('d', 8), ('s', 5)]

三、集合

1、集合的定义与字面量

定义：Python标准文库给出的定义：A set object is an unordered collection of distinct hashable objects.

翻译过来就是：set是一个包含不同可散列对象的无序集合

种类：集合这种数据结构包含set和frozenset，两者的区别在于后者不可变而前者可变，类似于元组之于列表。因此frozenset相比set不具备修改一类的方法。

本质：集合是许多唯一对象的聚集，所以可以用来去重。

新建set：

在大括号中直接填写元素，类似字典

set1={"apple","banana","pear"}

利用构造方法set()，类似list()

set4=set("apple")

空集的构造

注意空集的构造只能用set()而不能用{}，{}是空字典而非空集

set3=set()

新建frozenset：

只能使用构造方法frozenset()

frozenset1=frozenset(range(5))

print(frozenset1)#frozenset({0, 1, 2, 3, 4})

只能使用此方法的原因是Python中没有针对frozenset的特殊字面量句法（对于列表的字面量句法就是[]这样子）。

集合推导：

集合推导在大括号中进行，思路与列表推导，字典推导类似。

eg:

set3={chr(i)for i in range(100,110)}

print(set3)#{'k', 'f', 'i', 'e', 'd', 'm', 'l', 'g', 'j', 'h'}

2、集合操作

set的操作方法包含frozenset的操作方法，区别在于frozenset不支持就地改变集合的方法，这一点与元组很类似。

下面展示set的操作方法，其中涉及修改本身的不适用于frozenset

集合的数学操作

bV7V81?w=561&h=457

集合的比较操作

bV7V86?w=562&h=279

集合的实用操作

bV7V87?w=563&h=446

四、深入理解dict和set

若想深入理解dict和set，首先需要了解它们背后的散列表。

1、散列

散列（hashing）是电脑科学中一种对资料的处理方法，通过某种特定的函数/算法（称为散列函数/算法）将要检索的项与用来检索的索引（称为散列，或者散列值）关联起来，生成一种便于搜索的数据结构（称为散列表）。也译为散列。旧译哈希（误以为是人名而采用了音译）。它也常用作一种资讯安全的实作方法，由一串资料中经过散列算法（Hashing algorithms）计算出来的资料指纹（data fingerprint），经常用来识别档案与资料是否有被窜改，以保证档案与资料确实是由原创者所提供。

2、散列表

若关键字为k，则其值存放在f(k)的存储位置上。由此，不需比较便可直接取得所查记录。称这个对应关系f为散列函数，按这个思想建立的表为散列表。

对不同的关键字可能得到同一散列地址，即k1≠k2，而f(k1)=f(k2)，这种现象称为冲突。具有相同函数值的关键字对该散列函数来说称做同义词。综上所述，根据散列函数f(k)和处理冲突的方法将一组关键字映射到一个有限的连续的地址集（区间）上，并以关键字在地址集中的“像”作为记录在表中的存储位置，这种表便称为散列表，这一映射过程称为散列造表或散列，所得的存储位置称散列地址。

若对于关键字集合中的任一个关键字，经散列函数映象到地址集合中任何一个地址的概率是相等的，则称此类散列函数为均匀散列函数（Uniform Hash function），这就是使关键字经过散列函数得到一个“随机的地址”，从而减少冲突。

减少冲突的方法：

开放定址法

开放定址法就是产生冲突之后去寻找下一个空闲的空间。函数定义为：

bV7V93?w=704&h=53