盘点Python编程中dict和set常用用法

Python内置了字典：dict的支持，dict全称dictionary，在其他语言中也称为map，使用键-值（key-value）存储，具有极快的查找速度。

例 : 假设要根据同学的名字查找对应的成绩，如果用list实现，需要两个list：

names = ['Michael', 'Bob', 'Tracy']
scores = [95, 75, 85]

定义一个名字，要查找对应的成绩，就先要在names中找到对应的位置，再从scores取出对应的成绩，list越长，耗时越长。

如果用dict实现，只需要一个“名字”-“成绩”的对照表，直接根据名字查找成绩，无论这个表有多大，查找速度都不会变慢。

例：

d = {'Michael': 95, 'Bob': 75, 'Tracy': 85}
print(d['Michael'])

dict就是在字典的索引表里（比如部首表）查这个字对应的页码，然后直接翻到该页，找到这个字。无论找哪个字，这种查找速度都非常快，不会随着字典大小的增加而变慢。

把数据放入dict的方法，除了初始化时指定外，还可以通过key放入：

d['Adam'] = 67
print(d['Adam'])

由于一个key只能对应一个value，所以，多次对一个key放入value，后面的值会把前面的值冲掉：

d['Jack'] = 90
d['Jack'] = 88
print(d['Jack']) #多次对一个key放入value，后面的值会把前面的值冲掉：显示后面修改的值

如果key不存在，dict就会报错：

print( d['Thomas'])

print('Thomas' in d)

d.get('Thomas')
print(d.get('Thomas', -1))

注：

返回None的时候Python的交互式命令行不显示结果。

要删除一个key，用pop(key)方法，对应的value也会从dict中删除：

d.pop('Bob')
print(d)

1. 查找和插入的速度极快，不会随着key的增加而增加；

2. 需要占用大量的内存，内存浪费多。而list相反：

3. 查找和插入的时间随着元素的增加而增加；

4. 占用空间小，浪费内存很少。所以，dict是用空间来换取时间的一种方法。

set和dict类似，也是一组key的集合，但不存储value。由于key不能重复，所以，在set中，没有重复的key。

要创建一个set，需要提供一个list作为输入集合：

s = set([1, 2, 3])
print(s)

传入的参数[1, 2, 3]是一个list，而显示的{1, 2, 3}只是告诉这个set内部有1，2，3这3个元素，显示的顺序也不表示set是有序的。。

重复元素在set中自动被过滤：

s = set([1, 1, 2, 2, 3, 3])
print(s)

通过add(key)方法可以添加元素到set中，可以重复添加，但不会有效果：

s.add(4)
 s{1, 2, 3, 4}

通过remove(key)方法可以删除元素：

s.remove(2)
print(s)

set可以看成数学意义上的无序和无重复元素的集合，因此，两个set可以做数学意义上的交集、并集等操作：

s1 = set([1, 2, 3])
s2 = set([2, 3, 4])
print(s1 & s2)


print(s1 | s2)

仅在于没有存储对应的value，但是，set的原理和dict一样，所以，同样不可以放入可变对象，因为无法判断两个可变对象是否相等，也就无法保证set内部“不会有重复元素”。试试把list放入set，看看是否会报错。

str是不变对象，而list是可变对象。对于可变对象，比如list，对list进行操作，list内部的内容是会变化的。

例：

a = ['c', 'b', 'a']
a.sort() # a['a', 'b', 'c']
print(a)

而对于不可变对象，比如str，对str进行操作呢：

a = 'abc'
b = a.replace('a', 'A')
print(b)
print(a)

注：

对于不变对象来说，调用对象自身的任意方法，也不会改变该对象自身的内容。相反，这些方法会创建新的对象并返回，这样，就保证了不可变对象本身永远是不可变的。

本文基于Python基础，介绍了如何去使用dict和set， 使用key-value存储结构的dict在Python中非常有用，选择不可变对象作为key很重要，最常用的key是字符串。

【文章出处:香港多ip站群服务器 http://www.558idc.com/hkzq.html提供，感恩】