この記事の Python バージョンは 3.7.X です。この記事を読む前に、Python 辞書の基本的な使い方を理解する必要があります。
はじめに
辞書 (dict) は Python の組み込みデータ構造であり、複数のキーと値のペアで構成されます。 . (キー) と値 (値) はコロンで区切られ、各キーと値のペアはカンマ (,) で区切られ、辞書全体が中括弧 ({}) で囲まれ、キーは一意である必要があり、値は次のように指定できます。ただし、キーは文字列、数値、タプルなどの不変型である必要があります。
推奨: 「Python チュートリアル #」
最下層はハッシュ テーブルを使用して、キーと値を関連付け、dict は順序付けされていません。
##● 検索と挿入の速度が非常に速く、キーの数が増えても速度が低下しません。##● より多くのメモリが必要です。
したがって、dictは、空間と時間を交換するデータ構造であり、高速検索が必要なシナリオで使用されます。
操作: 一般的なメソッド
get()指定されたキーの値を返します。キーが存在しない場合は、デフォルト値を返します。 (デフォルトは None ) エラーを報告しない場合、構文は dict.get(key) です。
dict_1['age'] = 24 In [7]: print(dict_1.get('age')) 24 In [11]: print(dict_1.get('nama')) None In [12]: print(dict_1['nama']) --------------------------------------------------------------------------- KeyError Traceback (most recent call last) <ipython-input-12-ef61a380920e> in <module> ----> 1 print(dict_1['nama']) KeyError: 'nama'key in dict
in 演算子を使用して、キーが辞書に存在するかどうかを確認します。存在する場合は True を返し、存在しない場合は False を返します。構文は次のとおりです: key in dict 。
In [15]: dict_1 Out[15]: {'name': None, 'age': 24, 'sex': None} In [16]: print('name' in dict_1) True In [17]: print('nama' in dict_1) False
Python 2 では、この関数は has_key() メソッドを使用して実装されます。
items()走査可能な (キー、値) タプル配列をリスト形式で返します。構文は dict.items() です。
In [18]: dict_1 Out[18]: {'name': None, 'age': 24, 'sex': None} In [19]: print(dict_1.items()) dict_items([('name', None), ('age', 24), ('sex', None)]) In [20]: for key, value in dict_1.items(): ...: print(key, value) ...: name None age 24 sex Nonekeys()
辞書のすべてのキーをリストとして返します: dict.keys()
In [21]: dict_1 Out[21]: {'name': None, 'age': 24, 'sex': None} In [22]: print(dict_1.keys()) dict_keys(['name', 'age', 'sex'])values()
辞書内のすべての値をリスト形式で返します: dict.values()
In [27]: dict_1 Out[27]: {'name': None, 'age': 24, 'sex': None, 'sub_name': 'Tony'} In [28]: print(dict_1.values()) dict_values([None, 24, None, 'Tony']) setdefault() 和get()类似,用户获得与给顶尖相关联的值,不同的是,该方法如果键不存在时会添加键并将值设为默认值,语法为:dict.setdefault(key, default=None)。 In [23]: dict_1 Out[23]: {'name': None, 'age': 24, 'sex': None} In [24]: print(dict_1.setdefault('name')) None In [25]: print(dict_1.setdefault('name', 'Tony')) None In [26]: print(dict_1.setdefault('sub_name', 'Tony')) Tony In [27]: dict_1 Out[27]: {'name': None, 'age': 24, 'sex': None, 'sub_name': 'Tony'}update()
構文は: dict_1. update(dict_2) は、dict_2 のキーと値のペアを dict_1 に更新するために使用されます。同じキーが存在する場合、それらは上書きされます。
In [31]: dict_1 Out[31]: {'name': None, 'age': 24, 'sex': None, 'sub_name': 'Tony'} In [32]: dict_2 Out[32]: {'name': 'Mary', 'age': 18, 'sex': None, 'sub_name': ''} In [33]: dict_1.update(dict_2) In [34]: dict_1 Out[34]: {'name': 'Mary', 'age': 18, 'sex': None, 'sub_name': ''}clear()
辞書内のすべての項目を削除します (dict.clear())。例:
In [1]: dict_1 = dict(name="Tony", age=24) In [2]: dict_2 = dict_1 In [3]: print(dict_2) {'name': 'Tony', 'age': 24} In [4]: dict_2.clear() In [5]: dict_2 Out[5]: {} In [6]: dict_1 Out[6]: {}copy ( )
元の辞書の浅いコピー。同じキーと値のペアを持つ新しい辞書、dict.copy() を返します。例:
In [1]: dict_1 = dict(name='Tony', info=['boy', 24]) In [2]: dict_3 = dict_1.copy() In [3]: dict_3['name'] = "Ring" In [4]: dict_3['info'].remove('boy') In [5]: dict_3 Out[5]: {'name': 'Ring', 'info': [24]} In [6]: dict_1 Out[6]: {'name': 'Tony', 'info': [24]}fromkeys( )
シーケンス seq 内の要素を辞書のキーとして使用して、新しい辞書 dict.fromkeys(seq[, value]) を作成します。value はすべてのキーに対応する初期値です。ディクショナリ内で、値は選択パラメータであり、デフォルトはなしです。データの初期化に適しています。例:
In [1]: info = ['name', 'age', 'sex'] In [2]: dict_1 = dict.fromkeys(info) In [3]: dict_1 Out[3]: {'name': None, 'age': None, 'sex': None}一般的な操作
辞書のマージ
方法は 4 つあります:
一般的な処理In [15]: dict_1
Out[15]: {'Tony': 24}
In [16]: dict_2
Out[16]: {'ben': 18}
In [17]: dict3 = dict()
In [18]: for key, value in dict_1.items():
...: dict_3[key] = value
...:
In [19]: for key, value in dict_2.items():
...: dict_3[key] = value
...:
In [20]: dict_3
Out[20]: {'Tony': 24, 'ben': 18}
In [9]: dict_1
Out[9]: {'Tony': 24}
In [10]: dict_2
Out[10]: {'ben': 18}
In [12]: dict_3 = dict_1.copy()
In [13]: dict_3.update(dict_2)
In [14]: dict_3
Out[14]: {'Tony': 24, 'ben': 18}
In [33]: dict_1
Out[33]: {'Tony': 24}
In [34]: dict_2
Out[34]: {'ben': 18}
In [35]: dict_3 = dict(dict_1, **dict_2)
In [36]: dict_3
Out[36]: {'Tony': 24, 'ben': 18}
辞書導出
はリスト導出と似ていますが、次のような利点があります。最下位レベルの C 実装で使用すると、はるかに高速になるため、推奨されます。
辞書のキー値を交換する辞書内包表記を使用して、辞書のキー値を簡単に交換します:
In [42]: dict_4 Out[42]: {24: 'Tony', 18: 'ben'} In [43]: dict_3 Out[43]: {'Tony': 24, 'ben': 18} In [44]: dict_4 = {k:v for v, k in dict_3.items()} In [45]: dict_4 Out[45]: {24: 'Tony', 18: 'ben'}辞書から
からサブセットを抽出する 別の辞書のサブセットである辞書を作成したいと考えています。
例:
In [88]: a = {'Ben': 18, 'Jack': 12, 'Ring': 23, 'Tony': 24} In [89]: b = {k:v for k, v in a.items() if v > 18} In [90]: b Out[90]: {'Ring': 23, 'Tony': 24}順序付き辞書を生成する
Python3.6 より前の辞書は順序付けされていませんが、場合によっては、辞書の順序性を維持する必要があります。 Dictionary, orderDict は dict に基づいて辞書の順序性を実現できます. ここでの order とは辞書のキーが挿入された順に並べることを指します. これにより先入れ先出しの dict が実現されます.制限を超えると、最も早く追加されたキーが最初に削除されます。
例:
In [49]: from collections import OrderedDict In [50]: ordered_dict = OrderedDict([('a', 2), ('b', 4), ('c', 5)]) In [51]: for key, value in ordered_dict.items(): ...: print(key, value) ...: a 2 b 4 c 5
OrderedDict は、辞書作成時の挿入順に従って並べ替えられていることがわかります。
原則: OrderedDict は、要素が追加される順序に従ってキーの位置を配置する二重リンク リストを内部的に保持するため、OrderedDict のサイズも通常の辞書の 2 倍以上になります。
リスト内の同じキーを持つ辞書をマージしますいわゆるワンキー多値辞書を生成するには、対応する複数の値が必要です複数の値が一意である必要があるかどうかに応じて、リストやコレクションなどの他のコンテナーに保存されます。
例:
In [64]: from collections import defaultdict In [65]: a = [{'a': 1}, {'b': 3}, {'c': 4}, {'a':5}, {'b':2}, {'b': 4}] In [66]: b = defaultdict(list) In [67]: [b[k].append(v) for item in a for k, v in item.items()] Out[67]: [None, None, None, None, None, None] In [68]: b Out[68]: defaultdict(list, {'a': [1, 5], 'b': [3, 2, 4], 'c': [4]}) In [69]: b['a'] Out[69]: [1, 5]2 つの辞書間の類似点と相違点を見つける
シナリオ: 同じ辞書を含む 2 つの辞書間の類似点と相違点を見つけます。キーまたは同じ値。
分析: 辞書は、一連のキー値間のマッピング セットです。次の特性があります:
keys() は、辞書内のすべてのキーと辞書のキーを返します。セット操作をサポートしているため、セットの共通部分と補数を使用して辞書のキーを処理できます。
items() は、(キー, 値) で構成されるオブジェクトを返し、セット操作をサポートします。
values() および Set 操作は、すべての値が一意であるという保証がないためサポートされていませんが、判定操作が必要な場合は、最初に値をセットに変換できます。
例:
In [78]: a = {'a':1, 'b':2, 'c':3} In [79]: b = {'b':3, 'c':3, 'd':4} In [80]: a.keys() & b.keys() Out[80]: {'b', 'c'} In [81]: a.keys() - b.keys() Out[81]: {'a'} In [82]: a.items() & b.items() Out[82]: {('c', 3)}
別の例として、辞書を作成するときに、特定のキーを削除できることが期待されます:
In [85]: a Out[85]: {'a': 1, 'b': 2, 'c': 3} In [86]: c = {k: a[key] for k in a.keys() - {'b'}} In [87]: c Out[87]: {'a': 3, 'c': 3}
この記事は、
python チュートリアル#から引用しています。 ## コラム、学習へようこそ!以上が知っておくべきPython辞書の使い方の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

Arraysinpython、特にvianumpy、arecrucialinscientificComputing fortheirefficienty andversitility.1)彼らは、fornumericaloperations、data analysis、andmachinelearning.2)numpy'simplementation incensuresfasteroperationsthanpasteroperations.3)arayableminablecickick

Pyenv、Venv、およびAnacondaを使用して、さまざまなPythonバージョンを管理できます。 1)Pyenvを使用して、複数のPythonバージョンを管理します。Pyenvをインストールし、グローバルバージョンとローカルバージョンを設定します。 2)VENVを使用して仮想環境を作成して、プロジェクトの依存関係を分離します。 3)Anacondaを使用して、データサイエンスプロジェクトでPythonバージョンを管理します。 4)システムレベルのタスク用にシステムPythonを保持します。これらのツールと戦略を通じて、Pythonのさまざまなバージョンを効果的に管理して、プロジェクトのスムーズな実行を確保できます。

numpyarrayshaveveraladvantages-averstandardpythonarrays:1)thealmuchfasterduetocベースのインプレンテーション、2)アレモレメモリ効率、特にlargedatasets、および3)それらは、拡散化された、構造化された形成術科療法、

パフォーマンスに対する配列の均一性の影響は二重です。1)均一性により、コンパイラはメモリアクセスを最適化し、パフォーマンスを改善できます。 2)しかし、タイプの多様性を制限し、それが非効率につながる可能性があります。要するに、適切なデータ構造を選択することが重要です。

craftexecutablepythonscripts、次のようになります

numpyarraysarasarebetterfornumeroperations andmulti-dimensionaldata、whilethearraymoduleissuitable forbasic、1)numpyexcelsinperformance and forlargedatasentassandcomplexoperations.2)thearraymuremememory-effictientivearientfa

NumPyArraySareBetterforHeavyNumericalComputing、whilethearrayarayismoreSuitableformemory-constrainedprojectswithsimpledatatypes.1)numpyarraysofferarays andatiledance andpeperancedatasandatassandcomplexoperations.2)thearraymoduleisuleiseightweightandmemememe-ef

ctypesallowsinging andmanipulatingc-stylearraysinpython.1)usectypestointerfacewithclibrariesforperformance.2)createc-stylearraysfornumericalcomputations.3)passarraystocfunctions foreffientientoperations.how、how、becuutiousmorymanagemation、performanceo


ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

Video Face Swap
完全無料の AI 顔交換ツールを使用して、あらゆるビデオの顔を簡単に交換できます。

人気の記事

ホットツール

SublimeText3 中国語版
中国語版、とても使いやすい

SAP NetWeaver Server Adapter for Eclipse
Eclipse を SAP NetWeaver アプリケーション サーバーと統合します。

WebStorm Mac版
便利なJavaScript開発ツール

SublimeText3 Linux 新バージョン
SublimeText3 Linux 最新バージョン

MinGW - Minimalist GNU for Windows
このプロジェクトは osdn.net/projects/mingw に移行中です。引き続きそこでフォローしていただけます。 MinGW: GNU Compiler Collection (GCC) のネイティブ Windows ポートであり、ネイティブ Windows アプリケーションを構築するための自由に配布可能なインポート ライブラリとヘッダー ファイルであり、C99 機能をサポートする MSVC ランタイムの拡張機能が含まれています。すべての MinGW ソフトウェアは 64 ビット Windows プラットフォームで実行できます。

ホットトピック









