腳本之家服務器常用軟件

快捷導航

關于Python數(shù)據(jù)結構中字典的心得

更新時間：2017年12月04日 09:54:49 投稿：laozhang

給大家詳細簡介了Python數(shù)據(jù)結構中字典的方法和使用心得，學習一下吧，有助于你更好的理解Python數(shù)據(jù)結構。

本篇主要介紹：常見的字典方法、如何處理查不到的鍵、標準庫中 dict 類型的變種、散列表的工作原理等。一下是全部內(nèi)容：

泛映射類型

collections.abc 模塊中有 Mapping 和 MutableMapping 這兩個抽象基類，它們的作用是為 dict 和其他類似的類型定義形式接口。

標準庫里所有映射類型都是利用 dict 來實現(xiàn)的，它們有個共同的限制，即只有可散列的數(shù)據(jù)類型才能用做這些映射里的鍵。

問題：什么是可散列的數(shù)據(jù)類型？

在 python 詞匯表（https://docs.python.org/3/glossary.html#term-hashable）中，關于可散列類型的定義是這樣的：

如果一個對象是可散列的，那么在這個對象的生命周期中，它的散列值是不變的，而且這個對象需要實現(xiàn) __hash__() 方法。另外可散列對象還要有 __eq__() 方法，這樣才能跟其他鍵做比較。如果兩個可散列對象是相等的，那么它們的散列只一定是一樣的

根據(jù)這個定義，原子不可變類型（str，bytes和數(shù)值類型）都是可散列類型，frozenset 也是可散列的（因為根據(jù)其定義，frozenset 里只能容納可散列類型），如果元組內(nèi)都是可散列類型的話，元組也是可散列的（元組雖然是不可變類型，但如果它里面的元素是可變類型，這種元組也不能被認為是不可變的）。

一般來講，用戶自定義的類型的對象都是可散列的，散列值就是它們的 id() 函數(shù)的返回值，所以這些對象在比較的時候都是不相等的。（如果一個對象實現(xiàn)了 eq 方法，并且在方法中用到了這個對象的內(nèi)部狀態(tài)的話，那么只有當所有這些內(nèi)部狀態(tài)都是不可變的情況下，這個對象才是可散列的。）

根據(jù)這些定義，字典提供了很多種構造方法，https://docs.python.org/3/library/stdtypes.html#mapping-types-dict 這個頁面有個例子來說明創(chuàng)建字典的不同方式。

>>> a = dict(one=1, two=2, three=3)
>>> b = {'one': 1, 'two': 2, 'three': 3}
>>> c = dict(zip(['one', 'two', 'three'], [1, 2, 3]))
>>> d = dict([('two', 2), ('one', 1), ('three', 3)])
>>> e = dict({'three': 3, 'one': 1, 'two': 2})
>>> a == b == c == d == e
True

除了這些方法以外，還可以用字典推導的方式來建造新 dict。

字典推導

自 Python2.7 以來，列表推導和生成器表達式的概念就移植到了字典上，從而有了字典推導。字典推導（dictcomp）可以從任何以鍵值對作為元素的可迭代對象中構建出字典。

比如：

>>> data = [(1, 'a'), (2, 'b'), (3, 'c')]
>>> data_dict = {num: letter for num, letter in data}
>>> data_dict
{1: 'a', 2: 'b', 3: 'c'}

常見的映射方法

下表為我們展示了 dict、defaultdict 和 OrderedDict 的常見方法（后兩種是 dict 的變種，位于 collections模塊內(nèi)）。

default_factory 并不是一個方法，而是一個可調(diào)用對象，它的值 defaultdict 初始化的時候由用戶設定。 OrderedDict.popitem() 會移除字典最先插入的元素（先進先出）；可選參數(shù) last 如果值為真，則會移除最后插入的元素（后進先出）。用 setdefault 處理找不到的鍵

當字典 d[k] 不能找到正確的鍵的時候，Python 會拋出異常，平時我們都使用d.get(k, default) 來代替 d[k]，給找不到的鍵一個默認值，還可以使用效率更高的 setdefault

my_dict.setdefault(key, []).append(new_value)
# 等同于
if key not in my_dict:
 my_dict[key] = []
my_dict[key].append(new_value)

這兩段代碼的效果一樣，只不過，后者至少要進行兩次鍵查詢，如果不存在，就是三次，而用 setdefault 只需一次就可以完成整個操作。

那么，我們?nèi)≈档臅r候，該如何處理找不到的鍵呢？

映射的彈性查詢

有時候，就算某個鍵在映射里不存在，我們也希望在通過這個鍵讀取值的時候能得到一個默認值。有兩個途徑能幫我們達到這個目的，一個是通過 defaultdict 這個類型而不是普通的 dict，另一個是給自己定義一個 dict 的子類，然后在子類中實現(xiàn) __missing__ 方法。

defaultdict：處理找不到的鍵的一個選擇

首先我們看下如何使用 defaultdict ：

import collections

index = collections.defaultdict(list)
index[new_key].append(new_value)

這里我們新建了一個字典 index，如果鍵 new_key 在 index 中不存在，表達式 index[new_key] 會按以下步驟來操作：

調(diào)用 list() 來建立一個新的列表把這個新列表作為值，'new_key' 作為它的鍵，放入 index 中返回這個列表的引用。

而這個用來生成默認值的可調(diào)用對象存放在名為 default_factory 的實例屬性中。

defaultdict 中的 default_factory 只會在 getitem 里調(diào)用，在其他方法中不會發(fā)生作用。比如 index[k] 這個表達式會調(diào)用 default_factory 創(chuàng)造的某個默認值，而 index.get(k) 則會返回 None。（這是因為特殊方法 missing 會在 defaultdict 遇到找不到的鍵的時候調(diào)用 default_factory，實際上，這個特性所有映射方法都可以支持）。

特殊方法 missing

所有映射在處理找不到的鍵的時候，都會牽扯到 missing 方法。但基類 dict 并沒有提供這個方法。不過，如果有一個類繼承了 dict ，然后這個繼承類提供了 missing 方法，那么在 getitem 碰到找不到鍵的時候，Python 會自動調(diào)用它，而不是拋出一個 KeyError 異常。

__missing__ 方法只會被 __getitem__ 調(diào)用。提供 missing 方法對 get 或者 __contains__(in 運算符會用到這個方法)這些方法的是有沒有影響。

下面這段代碼實現(xiàn)了 StrKeyDict0 類，StrKeyDict0 類在查詢的時候把非字符串的鍵轉化為字符串。

class StrKeyDict0(dict): # 繼承 dict
 def __missing__(self, key):
 if isinstance(key, str):
  # 如果找不到的鍵本身就是字符串，拋出 KeyError 
  raise KeyError(key)
 # 如果找不到的鍵不是字符串，轉化為字符串再找一次
 return self[str(key)]
 def get(self, key, default=None):
 # get 方法把查找工作用 self[key] 的形式委托給 __getitem__，這樣在宣布查找失敗錢，還能通過 __missing__ 再給鍵一個機會
 try:
  return self[key]
 except KeyError:
  # 如果拋出 KeyError 說明 __missing__ 也失敗了，于是返回 default 
  return default
 def __contains__(self, key):
 # 先按傳入的鍵查找，如果沒有再把鍵轉為字符串再找一次
 return key in self.keys() or str(key) in self.keys()

contains 方法存在是為了保持一致性，因為 k in d 這個操作會調(diào)用它，但我們從 dict 繼承到的 contains 方法不會在找不到鍵的時候用 missing 方法。

my_dict.keys() 在 Python3 中返回值是一個 "視圖","視圖"就像是一個集合，而且和字典一樣速度很快。但在 Python2中，my_dict.keys() 返回的是一個列表。所以 k in my_dict.keys() 操作在 python3中速度很快，但在 python2 中，處理效率并不高。

如果要自定義一個映射類型，合適的策略是繼承 collections.UserDict 類。這個類就是把標準 dict 用 python 又實現(xiàn)了一遍，UserDict 是讓用戶繼承寫子類的，改進后的代碼如下：

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):
 # 這里可以放心假設所有已經(jīng)存儲的鍵都是字符串。因此只要在 self.data 上查詢就好了
 return str(key) in self.data
 
 def __setitem__(self, key, item):
 # 這個方法會把所有的鍵都轉化成字符串。
 self.data[str(key)] = item

因為 UserDict 繼承的是 MutableMapping，所以 StrKeyDict 里剩下的那些映射類型都是從 UserDict、MutableMapping 和 Mapping 這些超類繼承而來的。

Mapping 中提供了 get 方法，和我們在 StrKeyDict0 中定義的一樣，所以我們在這里不需要定義 get 方法。

字典的變種

在 collections 模塊中，除了 defaultdict 之外還有其他的映射類型。

collections.OrderedDict collections.ChainMap collections.Counter 不可變的映射類型

問題：標準庫中所有的映射類型都是可變的，如果我們想給用戶提供一個不可變的映射類型該如何處理呢？

從 Python3.3 開始 types 模塊中引入了一個封裝類名叫 MappingProxyType。如果給這個類一個映射，它會返回一個只讀的映射視圖（如果原映射做了改動，這個視圖的結果頁會相應的改變）。例如

>>> from types import MappingProxy Type
>>> d = {1: 'A'}
>>> d_proxy = MappingProxyType(d)
>>> d_proxy
mappingproxy({1: 'A'})
>>> d_proxy[1]
'A'
>>> d_proxy[2] = 'x'
Traceback(most recent call last):
 File "<stdin", line 1, in <module>
TypeError: 'MappingProxy' object does not support item assignment
>>> d[2] = 'B'
>>> d_proxy[2] # d_proxy 是動態(tài)的，d 的改動會反饋到它上邊
'B'

字典中的散列表

散列表其實是一個稀疏數(shù)組（總有空白元素的數(shù)組叫稀疏數(shù)組），在 dict 的散列表中，每個鍵值都占用一個表元，每個表元都有兩個部分，一個是對鍵的引用，另一個是對值的引用。因為所有表元的大小一致，所以可以通過偏移量來讀取某個表元。
python 會設法保證大概有1/3 的表元是空的，所以在快要達到這個閾值的時候，原有的散列表會被復制到一個更大的空間。

如果要把一個對象放入散列表，那么首先要計算這個元素的散列值。
Python內(nèi)置的 hash() 方法可以用于計算所有的內(nèi)置類型對象。

如果兩個對象在比較的時候是相等的，那么它們的散列值也必須相等。例如 1==1.0 那么，hash(1) == hash(1.0)

散列表算法

為了獲取 my_dict[search_key] 的值，Python 會首先調(diào)用 hash(search_key) 來計算 search_key 的散列值，把這個值的最低幾位當做偏移量在散列表中查找元。若表元為空，拋出 KeyError 異常。若不為空，則表元會有一對 found_key:found_value。
這時需要校驗 search_key == found_key，如果相等，返回 found_value。
如果不匹配（散列沖突），再在散列表中再取幾位，然后處理一下，用處理后的結果當做索引再找表元。然后重復上面的步驟。

取值流程圖如下：