python映射的主要特点_Python基础：映射（字典）

一、概述

映射类型（Mapping Types）是一种关联式的容器类型，它存储了对象与对象之间的映射关系。

字典（dict）是Python中唯一的映射类型，它是存储了一个个 键值对（由 键 映射到 值）的关联容器。其中，键（key）必须是可哈希的Python对象，而 值（value）可以是任何Python对象。在功能上，Python中的字典类似于C++中的map。

Python中最强大、最灵活的数据类型当属 列表 和 字典，以下是对这两种数据类型的简单比较：

比较点列表字典

表示方法

[]，[1, 2]

{}，{'a': 1, 'b': 2}

访问元素的方式

索引

键

有序性

有序

无序

可变性

可变

可变

可操作性

操作丰富

操作丰富

表征的数据结构

数组、堆栈、队列等

哈希表等

二、操作

字典支持的主要操作如下：

操作说明

class dict(other)

创建字典（other可以是字典、(key, value)对的迭代器或关键字参数）

dict.fromkeys(seq[, value])

创建字典：用序列seq中的元素作为键，值全为value（未指定，则默认为None）

len(d)

返回字典d的长度（即d中元素的个数）

d[key]

如果键key在字典d中，则返回其中key对应的值；否则抛出KeyError异常

d[key] = value

设置d[key]的值为value（存在则修改，不存在则添加）

del d[key]

如果键key在字典d中，则从字典d中删除d[key]；否则抛出KeyError异常

key in d

如果key在字典d中，返回True；否则，返回False

key not in d

如果key在字典d中，返回False；否则，返回True

iter(d)

同iterkeys()

d.clear()

删除字典d中的所有元素

d.copy()

返回字典d的浅拷贝

d.get(key[, default])

如果key在字典d中，则返回d[key]；否则返回default（未指定，则默认为None）

d.has_key(key)

同key in d（推荐使用key in d）

d.items()

返回包含字典d中的(key, value)对的列表

d.iteritems()

迭代版的items()：返回迭代器

d.iterkeys()

迭代版的keys()：返回迭代器

d.itervalues()

迭代版的values()：返回迭代器

d.keys()

返回包含字典d中的键的列表

d.pop(key[, default])

如果key在字典d中，则返回并删除d[key]；否则返回default（未指定，则抛出KeyError异常）

d.popitem()

返回并删除字典d中的任意一个元素（如果d为空，则抛出KeyError异常）

d.setdefault(key[, default])

如果key在字典d中，则返回d[key]；否则执行d[key] = default，并返回default（未指定，则默认为None）

d.update([other])

将other中的(key, value)对添加到字典d中（other可以是字典、(key, value)对的迭代器或关键字参数）

d.values()

返回包含字典d中的值的列表

d.viewitems()

返回字典d的元素视图

d.viewkeys()

返回字典d的键视图

d.viewvalues()

返回字典d的值视图

以上操作的示例如下：

>>> a = {'one': 1, 'two': 2, 'three': 3}

>>> b = dict(one=1, two=2, three=3)

>>> c = dict(zip(['one', 'two', 'three'], [1, 2, 3]))

>>> d = dict({'three': 3, 'one': 1, 'two': 2})

>>> a == b == c == d

True

>>> d = dict.fromkeys(['a', 'b', 'c'])

>>> d

{'a': None, 'c': None, 'b': None}

>>> d = dict.fromkeys(['a', 'b', 'c'], 6)

>>> d

{'a': 6, 'c': 6, 'b': 6}

>>> len(d)

3

>>> d.clear()

>>> d

{}

>>> d = a.copy()

>>> d

{'one': 1, 'three': 3, 'two': 2}

>>> d['three']

3

>>> d['four'] = 4

>>> d

{'four': 4, 'one': 1, 'three': 3, 'two': 2}

>>> del d['one']

>>> d

{'four': 4, 'three': 3, 'two': 2}

>>> 'four' in d, 'four' not in d

(True, False)

>>> d.has_key('four')

True

>>> d.get('one'), d.get('one', 10)

(None, 10)

>>> for k in d:

... print k,

...

four three two

>>> for k in iter(d):

... print k,

...

four three two

>>> for k in d.keys():

... print k,

...

four three two

>>> for k in d.iterkeys():

... print k,

...

four three two

>>> for k in d.viewkeys():

... print k,

...

four three two

>>> for v in d.values():

... print v,

...

4 3 2

>>> for v in d.itervalues():

... print v,

...

4 3 2

>>> for v in d.viewvalues():

... print v,

...

4 3 2

>>> for i in d.items():

... print i,

...

('four', 4) ('three', 3) ('two', 2)

>>> for i in d.iteritems():

... print i,

...

('four', 4) ('three', 3) ('two', 2)

>>> for i in d.viewitems():

... print i,

...

('four', 4) ('three', 3) ('two', 2)

>>> d.setdefault('two')

2

>>> d

{'four': 4, 'three': 3, 'two': 2}

>>> d.setdefault('one', 1)

1

>>> d

{'four': 4, 'one': 1, 'three': 3, 'two': 2}

>>> d.update(five=1)

>>> d

{'four': 4, 'one': 1, 'five': 1, 'three': 3, 'two': 2}

>>> d.update({'six': 6})

>>> d

{'four': 4, 'five': 1, 'two': 2, 'six': 6, 'three': 3, 'one': 1}

>>> d.pop('four')

4

>>> d

{'five': 1, 'two': 2, 'six': 6, 'three': 3, 'one': 1}

>>> d.popitem()

('five', 1)

>>> d

{'two': 2, 'six': 6, 'three': 3, 'one': 1}

三、字典特性

1、有序与无序

从概念上讲，字典提供了这样一种抽象：容器中的元素之间完全独立（于是也没有先后顺序），“键”是访问元素的唯一方式。在这种 抽象层面 上，字典是 无序 的。

从实现上讲，字典其实是由 哈希表 实现的。而哈希表的基本思想是：通过 哈希函数（hash function）将“键”转换为“索引”，再使用“索引”去访问 连续列表（如C中的数组）中的元素。由此可知，在哈希表中：一方面，元素本质上是存储在一个连续列表中的，因此是 有序 的；另一方面，用户无法确定元素在连续列表中的实际位置（只能使用“键”去访问元素，而“键”与“索引”的映射关系是由哈希函数在内部指定的），因此又是 无序 的。

因此在 实现层面 上，字典同时具备了 无序 和 有序 的特点：

无序体现在：字典中元素的排列顺序与添加顺序无关

有序体现在：在字典保持不变的情况下，字典中元素的排列顺序是固定的

上图对应的示例如下：

# 无序

>>> d = {}

>>> d['a'] = 1

>>> d

{'a': 1}

>>> d['b'] = 2

>>> d

{'a': 1, 'b': 2}

>>> d['c'] = 3

>>> d

{'a': 1, 'c': 3, 'b': 2}

# 有序

>>> for k in d: # 键的顺序固定

... print k,

...

a c b

>>> for v in d.values(): # 值的顺序固定

... print v,

...

1 3 2

>>> for i in d.items(): # 元素的顺序固定

... print i,

...

('a', 1) ('c', 3) ('b', 2)

2、字典的键

字典的键具有以下特性：

1）可哈希的（hashable）

只有 可哈希的 对象才能作为字典的键，一个可哈希的对象必须满足以下两个条件：

该对象在其生命周期内有一个不变的哈希值（需要实现__hash__()方法）

该对象是可比较的（需要实现__eq__()或__cmp__()方法）

Python中可哈希的对象有：

数值、字符串，以及只含有数值或字符串的元组

用户自定义类的实例（默认是可哈希的，也可以通过实现__hash__()和__cmp__()来修改默认行为）

2）哈希等价键

假设有字典d的两个键：keyA和keyB，我们称keyA和keyB是 哈希等价键（自己杜撰的名词），如果keyA和keyB满足以下两个条件：

hash(keyA) == hash(keyB)

cmp(keyA, keyB) == 0

如果keyA和keyB是哈希等价键，那么它们将被视为完全相同的两个键，于是d[keyA]和d[keyB]会指向同一个字典元素。

例如，1和1.0就满足上述两个条件，因此是哈希等价键：

>>> hash(1), hash(1.0)

(1, 1)

>>> cmp(1, 1.0)

0

>>> d = {}

>>> d[1] = 'int 1'

>>> d

{1: 'int 1'}

>>> d[1.0] = 'float 1'

>>> d

{1: 'float 1'}

对于用户自定义的类实例，默认情况下（即没有实现__hash__()和__cmp__()时），hash(...)和cmp(...)的结果与 id() 有关（参考 hashable 和 __cmp__()）。默认情况下，一个自定义类的任意两个实例都不是哈希等价键：

>>> class A: pass

...

>>> a1 = A()

>>> a2 = A()

>>> hash(a1), hash(a2)

(-1064359592, -1064359600)

>>> cmp(a1, a2)

1

>>> d = {}

>>> d[a1] = 'a1'

>>> d

{<__main__.A instance at 0x8f2958c>: 'a1'}

>>> d[a2] = 'a2'

>>> d

{<__main__.A instance at 0x8f2958c>: 'a1', <__main__.A instance at 0x8f2950c>: 'a2'}

如果想要让同一个类的任意两个实例都是哈希等价键，则可以参考以下示例：

>>> class A:

... def __hash__(self):

... return hash(A)

... def __cmp__(self, other):

... return cmp(self.__hash__(), other.__hash__())

...

>>> a1 = A()

>>> a2 = A()

>>> hash(a1), hash(a2)

(-1064346499, -1064346499)

>>> cmp(a1, a2)

0

>>> d = {}

>>> d[a1] = 'a1'

>>> d

{<__main__.A instance at 0x8f64a4c>: 'a1'}

>>> d[a2] = 'a2'

>>> d

{<__main__.A instance at 0x8f64a4c>: 'a2'}

类似地，如果想要让一个类的任意一个实例与整数1成为哈希等价键，则可以按照以下方式实现：

>>> class A:

... def __hash__(self):

... return 1

... def __cmp__(self, other):

... return cmp(self.__hash__(), other.__hash__())

...

>>> a = A()

>>> hash(1), hash(a)

(1, 1)

>>> cmp(1, a)

0

>>> d = {}

>>> d[1] = 'int 1'

>>> d

{1: 'int 1'}

>>> d[a] = 'instance a'

>>> d

{1: 'instance a'}

四、字典视图

从2.7版本开始，Python中引入了字典视图（Dictionary views）。字典视图 是字典的 动态视图：它们会与字典保持同步，实时反应出字典的变化。字典视图共有3种：键视图（Keys views）、值视图（Values views）和 元素视图（Items views），它们分别由dict.viewkeys()、dict.viewvalues()和dict.viewitems()三个函数返回。

所有的字典视图都支持以下操作：

操作说明

len(dictview)

返回字典的长度

iter(dictview)

返回（键、值、元素）迭代器

x in dictview

判断x是否为（键、值、元素）的成员

此外，因为字典的键是 唯一 且 可哈希的，所以 键视图 还支持 类似集合（set-like）的操作。如果字典的值是 可哈希的，那么 元素视图 也支持这些操作：

操作说明

dictview & other

求交集

dictview | other

求并集

dictview - other

求差集

dictview ^ other

求对称差集

五、应用

1、模拟switch-case语句

以下是C中一个使用switch-case语句的示例：

int select(char c)

{

int num = -1;

switch (c)

{

case 'a':

num = 1;

break;

case 'b':

num = 2;

break;

case 'c':

num = 3;

break;

default:

num = 0;

break;

}

return num;

}

Python中没有提供switch-case语句，但使用字典可以轻松实现类似上面的功能：

d = {'a': 1, 'b': 2, 'c': 3}

# 普通版本

def select1(c):

num = -1

if c not in d:

num = 0

else:

num = d[c]

return num

# 惊呆版本

def select2(c):

return d.get(c, 0)

2、稀疏矩阵

使用元组作为字典的键，可以构建类似稀疏矩阵的数据结构：

>>> matrix = {}

>>> matrix[(2, 3, 4)] = 88

>>> matrix[(7, 8, 9)] = 99

>>>

>>> matrix

{(2, 3, 4): 88, (7, 8, 9): 99}

>>>

>>> x, y, z = 2, 3, 4

>>> matrix[(x, y, z)]

88

3、符号表

实际上，Python本身就在内部大量使用了字典，一个典型的应用就是符号表：

>>> locals() # 局部符号表

{'__builtins__': , '__name__': '__main__', '__doc__': None, '__package__': None}

>>> globals() # 全局符号表

{'__builtins__': , '__name__': '__main__', '__doc__': None, '__package__': None}