Python字典和集合
以下内容是整理极客时间Python核心技术与实战课程的笔记。
什么是字典和集合
字典是由key-value组成的键值对，在python3.6之前无序，在3.7之后implementation detail，字典有序，字典很随意，里面的内容可以随便修改和删除，同时字典中的key和value，都可以是混合类型。
1、字典相比于列表和元组？
字典的在查找、添加和删除操作的时候，时间复杂度很低，而且性能更优秀。
2、元组相比于字典？
集合和字典的区别就在于：集合是一系列无序的，唯一的元素组成。
字典和集合的基本操作
3、字典和元组的创建方式？
## 字典的创建方式
# 第一种，直接描述key-value键值对
d1 = {'name': 'jason', 'age': 20, 'gender': 'male'}
# 第二种，调用dict 来表示key-value
d2 = dict({'name': 'jason', 'age': 20, 'gender': 'male'})
# 第三种
d3 = dict([('name', 'jason'), ('age', 20), ('gender', 'male')])
# 第四种
d4 = dict(name='jason', age=20, gender='male')
## 集合的创建方式
# 第一种
s1 = {1, 2, 3}
# 第二种
s2 = set([1, 2, 3])
4、字典的元素访问
如果当前的key值不存在，访问的话，会抛出异常。
同时字典的访问有两种方式。
也可以使用 get(key, default) 函数来进行索引，如果没有key值，那么get函数会返回一个默认值的。
d = {'name': 'jason', 'age': 20}
# 第一种
d['name']
# 第二种
d.get('name')
d.get('csdn','null')
# null
5、集合的访问
注意一个地方：集合并不支持索引操作，因为集合本质上是一个哈希表，和列表不一样。
也就是说，下面这种操作是错误的
s = {1, 2, 3}
# 错误的访问方式
s[0]
集合可以进行一些并交补的操作。一般会通过in 拉来判断某一个值是否在这个集合里面
s = {1, 2, 3}
1 in s
增删改操作如下
## 字典操作
# 增加
d = {'name': 'jason', 'age': 20}
d['gender'] = 'male' # 增加元素对'gender': 'male'
# {'name': 'jason', 'age': 20, 'gender': 'male'}
# 更新
d['name'] = 'csdn' # 更新键'name'对应的值
# 删除
d.pop('name') # 删除键为'name'的元素对
# {'age': 20, 'gender': 'male'}
## 集合操作
s = {1, 2, 3}
s.add(4) # 增加元素 4 到集合
# {1, 2, 3, 4}
s.remove(4) # 从集合中删除元素 4
# {1, 2, 3}
集合的 pop() 操作是删除集合中最后一个元素，但是集合是无序的，所以不能通过pop指定删除具体元素。
6、字典和集合的排序
对于字典来说，可以对于值分别进行升序和降序
d = {'b': 1, 'a': 2, 'c': 10}
# 根据字典键的升序排序
d_sorted_by_key = sorted(d.items(), key=lambda x: x[0])
# [('a', 2), ('b', 1), ('c', 10)]
# 根据字典值的升序排序
d_sorted_by_value = sorted(d.items(), key=lambda x: x[1])
# [('b', 1), ('a', 2), ('c', 10)]
对于集合来说，排序方式和列表以及元组的很类似，直接调用 sorted(set) 即可，返回是一个列表。
s = {3, 4, 2, 1}
# 对集合的元素进行升序排序
sorted(s)
# [1, 2, 3, 4]
字典和集合的工作原理
字典的查找非常便捷高效，只需 O(1) 的时间复杂度就可以完成。字典的内部组成是一张哈希表，你可以直接通过键的哈希值，找到其对应的值。
由于集合是高度优化的哈希表，里面元素不能重复，其添加和查找操作某一个元素的复杂度只有 O(1)。
之所以他们这么高效，和字典、集合内部的数据结构密不可分，字典和集合的内部结构都是一张哈希表。
- 对于字典而言，这张表存储了哈希值（hash）、键和值这 3 个元素。
- 而对集合来说，区别就是哈希表内没有键和值的配对，只有单一的元素了。
老版本的Python字典的结构如下
--+-------------------------------+
| 哈希值 (hash) 键 (key) 值 (value)
--+-------------------------------+
0 | hash0 key0 value0
--+-------------------------------+
1 | hash1 key1 value1
--+-------------------------------+
2 | hash2 key2 value2
--+-------------------------------+
. | ...
__+_______________________________+
可以看见有很多稀疏值，随着hash表的扩张，会变得越来越稀疏。
新版本改进了这个问题，它会把索引和哈希值、键、值单独分开， 它的结构如下
Indices
----------------------------------------------------
None | index | None | None | index | None | index ...
----------------------------------------------------
Entries
--------------------
hash0 key0 value0
---------------------
hash1 key1 value1
---------------------
hash2 key2 value2
---------------------
...
---------------------
明显可以观察到，空间利用率得到很大的提高。
知道了底部的存储方式，接着了解一下这几个操作的工作原理。
插入查找
每次向字典或集合插入一个元素时，Python 会首先计算键的哈希值（hash(key)），再和 mask = PyDicMinSize - 1 做与操作，计算这个元素应该插入哈希表的位置 index = hash(key) & mask。
如果哈希表中此位置是空的，那么这个元素就会被插入其中。
而如果此位置已被占用，Python 便会比较两个元素的哈希值和键是否相等。
若两者都相等，则表明这个元素已经存在，如果值不同，则更新值。
若两者中有一个不相等，这种情况我们通常称为哈希冲突（hash collision），意思是两个元素的键不相等，但是哈希值相等。这种情况下，Python 便会继续寻找表中空余的位置，直到找到位置为止。
值得一提的是，通常来说，遇到这种情况（解决hash冲突），最简单的方式是线性寻找，即从这个位置开始，挨个往后寻找空位。为了高效，Python 内部对此进行了优化。
查找操作
和插入操作类似，Python 会根据哈希值，找到其应该处于的位置；然后，比较哈希表这个位置中元素的哈希值和键，与需要查找的元素是否相等。如果相等，则直接返回；如果不等，则继续查找，直到找到空位或者抛出异常为止。
删除操作
对于删除操作，Python 会暂时对这个位置的元素，赋于一个特殊的值，等到重新调整哈希表的大小时，再将其删除。
原因如下：
哈希冲突的发生，往往会降低字典和集合操作的速度。所以为了保证其高效性，字典和集合内的哈希表，通常会保证其至少留有 1/3 的剩余空间。随着元素的不停插入，当剩余空间小于 1/3 时，Python 会重新获取更大的内存空间，扩充哈希表。不过，这种情况下，表内所有的元素位置都会被重新排放。
虽然哈希冲突和哈希表大小的调整，都会导致速度减缓，但是这种情况发生的次数极少。所以，平均情况下，这仍能保证插入、查找和删除的时间复杂度为 O(1)。
相关思考题
1、下面初始化字典的方式，哪一种更高效？
d = {'name': 'jason', 'age': 20, 'gender': 'male'}
d = dict({'name': 'jason', 'age': 20, 'gender': 'male'})
第一种更高效，不需要调用相关函数，内部会去直接调用底层C已经存在的代码，避免了使用类生成实例其他不必要的操作。
2、字典的键可以是一个列表吗？
d = {'name': 'jason', ['education']: ['Tsinghua University', 'Stanford University']}
字典的key值是不能改变的，但是列表是一个动态可变化的值，改成元组等不可变的就可以。