字典和集合
标准库里的所有映射类型都是利用 dict 来实现的
只有可散列的数据类型才能用作这些映射里的键(值不用)
可散列
一个对象是可散列的
它的散列值是不变的
对象需要实现 __hash__() 方法
可散列对象还要有 __qe__() 方法
字典推导
DIAL_CODES = [(86, 'China'), (91, 'India'), (1, 'United States'), (62, 'Indonesia') ]
country_code = {country: code for code, country in DIAL_CODES }
结果
{'China': 86, 'India': 91, 'United States': 1, 'Indonesia': 62}
常见的映射方法 page137
用setdefault处理找不到的键
##找对应的key,没有的话返回默认值
my_dict = {"name":"longe","age":8}
my_dict.setdefault("namerrr","default")
print(my_dict)
用 setdefault 只需要一次就可以完成整个操作。
defaultdict找不到键返回某种默认值
在实例化一个 defaultdict 的时候
这个可调用对象会在 getitem 碰到找不到的键的时候被调用,
让 getitem 返回某种默认值。
实现方式
defaultdict 里的 default_factory 只会在__getitem__ 里被调用
比如,dd 是个 defaultdict,k 是个找不到的键,
dd[k] 这个表达式会调用 default_factory 创造某个默认值,
dd.get(k) 则会返回 None。
原理
所有这一切背后的功臣其实是特殊方法 __missing__。
它会在defaultdict 遇到找不到的键的时候调用 default_factory
__missing__这个方法
自定义一个映射类型,更合适的策略其实是继承collections.UserDict 类
只是为了演示 missing 是如何被dict.__getitem__ 调用的。
class StrKeyDict0(dict):
def __missing__(self, key):
if isinstance(key, str):
raise KeyError(key)
return self[str(key)]
def get(self, key, default=None):
try:
return self[key]
except KeyError:
return default
def __contains__(self, key):
return key in self.keys() or str(key) in self.keys()
isinstance(key, str) 测试在上面的__missing__ 中是必需的
但是如果 str(k) 不是一个存在的键,代码就会陷入无限递归。
这是因为 missing 的最后一行中的 self[str(key)] 会调用 __getitem__,
而这个 str(key) 又不存在,于是 __missing__又会被调用。
精简版本
import collections
class StrKeyDict(collections.UserDict):
def __missing__(self, key):
if isinstance(key, str):
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
setitem 会把所有的键都转换成字符串。由于把具体的实现委
托给了 self.data 属性,这个方法写起来也不难
字典的变种
collections.OrderedDict
这个类型在添加键的时候会保持顺序,因此键的迭代次序总是一致
的。
collections.ChainMap
该类型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,这些对象会被当作一个整体被逐个查找,直到键被找到为止。
collections.Counter
这个映射类型会给键准备一个整数计数器。每次更新一个键的时候
都会增加这个计数器。
colllections.UserDict
这个类其实就是把标准 dict 用纯 Python 又实现了一遍。
跟 OrderedDict、ChainMap 和 Counter 这些开箱即用的类型不
同,UserDict 是让用户继承写子类的。下面就来试试。
集合论
集合推导
from unicodedata import name
aa = {chr(i) for i in range(32, 256) if 'SIGN' in name(chr(i), '')}
print(aa)
集合的数学运算 page161
字典空间
因为 Python 会设法保证大概还有三分之一的表元是空的,所以在快要达
到这个阈值的时候,原有的散列表会被复制到一个更大的空间里面。
散列表原理
为了获取 my_dict[search_key] 背后的值
Python 首先会调用hash(search_key) 来计算 search_key 的散列值,
把这个值最低的几位数字当作偏移量
在散列表里查找表元(具体取几位,得看当前散列表的大小
若找到的表元是空的,则抛出 KeyError 异常。
若不是空的,则表元里会有一对 found_key:found_value。
这时候 Python 会检验 search_key == found_key 是否为真,如 果它们相等的话,就会返回found_value。
如果 search_key 和 found_key 不匹配的话,这种情况称为散列 冲突。
原理图
添加新元素和更新现有键值
添加新元素和更新现有键值的操作几乎跟上面一样。
只不过对于前者,在发现空表元的时候会放入一个新元素;
对于后者,在找到相对应的表元后,原表里的值对象会被替换成新值。
优劣
字典浪费存储空间(不过没有几百万对象,内存好几个G不用考虑)
dict 的实现是典型的空间换时间:字典类型有着巨大的内存开销
键的次序取决于添加顺序
当往 dict 里添加新键而又发生散列冲突的时候,新键可能会被安
排存放到另一个位置。
注意:
无论何时往字典里添加新的键,Python 解释器都可能做出为字典扩
容的决定。
扩容导致的结果就是要新建一个更大的散列表,并把字典里已有的元素添加到新表里。
这个过程中可能会发生新的散列冲突,导致新散列表中键的次序变化。
要注意的是,上面提到的这些变化是否会发生以及如何发生,都依赖于字典背后的具体实现,
因此你不能很自信地说自己知道背后发生了什么。
如果你在迭代一个字典的所有键的过程中同时对字典进行修改,那么这个循环很有可
能会跳过一些键——甚至是跳过那些字典中已经有的键。
更新字典的主要使用姿势
由此可知,不要对字典同时进行迭代和修改。
如果想扫描并修改一个字典,最好分成两步来进行:
首先对字典迭代,以得出需要添加的内容,把这些内容放在一个新字典里;
迭代结束之后再对原有字典进行更新。
小总结:
标准库里的所有映射类型都是利用 dict 来实现
只有可散列的数据类型才能用作这些映射里的键(值不用)
字典推导
用setdefault处理找不到的键
defaultdict找不到键返回某种默认值
底层是 getitem 与__miss__调用实现的
字典插入更新原理!!!
其他
大多数映射类型都提供了两个很强大的方法:setdefault 和
update。
setdefault 方法可以用来更新字典里存放的可变值(比如列
表),从而避免了重复的键搜索。
update 方法则让批量更新成为可能,它可以用来插入新值或者更新已有键值对,它的参数可以是包含(key, value) 这种键值对的可迭代对象,或者关键字参数。