字典
- 键:不可变对象 (数、字符串、tuple)
值:任何对象- 字典和集合是高度优化的结构,性能比list、tuple更高
查找、删除、插入时间复杂度:O(1)- 字典的查找:哈希
操作
创建
# d1 == d2 == d3 ==d4
d1 = {'name': 'jason', 'age': 20, 'gender': 'male'}
d2 = dict(d1)
d3 = dict(name='jason', age=20, gender='male')
li =[('name', 'jason'), ('age', 20), ('gender', 'male')]
d4 = dict(li)
访问、遍历元素、查找(in)
字典无序,不要下标索引、切片。
# 访问
d = {'a': 1, 'b': 2}
print(d['a']) # 键
print(d.get('a')) # dist.get():当键不存在时,不报错,输出None
print(d.get('a', 'not exit')) # 输出 not exit,自定义
# 遍历元素
print(d.items()) # dict_items([('a', 1), ('b', 2)])
print(d.keys()) # dict_keys(['a', 'b'])
print(d.values()) # dict_values([1, 2])
for k, v in d.items():
print(k, v)
for k in d: # 默认遍历键
print(k)
for k in d.keys(): # 等同上
print(k)
for v in d.values():
print(v)
# 查找(in)
if 'a' in d.keys():
print('exist')
if 'a' in d.values():
print('exist')
# 查找(根据value)
new_d = {v:k for k,v in d.items()}
print(new_d[1]) # 'a'
插入、删除、更新
d = {'name': 'Amy', 'age': 20}
# 插入
d['sex'] = 'male'
# 删除
del d['sex']
d.pop('sex')
# 更新
d['name'] = 'Jack'
排序、反转、比较、复制
集合
理论
- 一系列无序的、唯一的元素组合。
- 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。
- 查找、删除、插入时间复杂度:O(1)
操作
初始化创建
s1 = {1, 2, 3}
s2 = set([1, 2, 3])
# s1 == s2
set 有序
li = [3,2,8,9,4,4,3,2,5,5,7]
st1 = set(li)
print(st1) # {2, 3, 4, 5, 7, 8, 9} 无序
st2 = sorted(st1, key=li.index)
print(st2) # [3, 2, 8, 9, 4, 5, 7] 有序,按照 li 的原顺序
插入、删除
s = {1, 2, 3}
# 插入
s.add(4)
s.add(1)
# 删除
s.remove(4)
合并
st = {1,2,3}
st2 = {2,3,4}
st3 = st | st2 #{1, 2, 3, 4} 全部合并
st3 = st & st2 #{2, 3} 交集
排序、反转、比较、复制
字典和集合
优化:hash
- 字典和集合是高度优化的集合,本质是哈希表,特别是对于查找、添加和删除操作。
字典:存储了哈希值(hash)、键和值这 3 个元素
# 存储形状
Indices(索引)
----------------------------------------------------
None | index | None | None | index | None | index ...
----------------------------------------------------
Entries(哈希表)
--------------------
hash0 key0 value0
---------------------
hash1 key1 value1
---------------------
hash2 key2 value2
---------------------
...
---------------------
# 对应的存储代码
indices = [None, 1, None, None, 0, None, 2]
entries = [
[1231236123, 'name', 'mike'],
[-230273521, 'dob', '1999-01-01'],
[9371539127, 'gender', 'male']
]
集合:只有值
- 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,查找值为O(1)
二元组[('a',1), ('b', 2), ('c', 3)]
查找值为O(n)
插入
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,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。当然,Python 内部对此进行了优化(这一点无需深入了解,你有兴趣可以查看源码,我就不再赘述),让这个步骤更加高效。
删除
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。不难理解,哈希冲突的发生,往往会降低字典和集合操作的速度。因此,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)。
查找
和前面的插入操作类似,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。