当前位置: 首页 > news >正文

【Python新手村】字典(Dict):别再大海捞针,我有专属“标签”!

哈喽,各位 Python 练习生!

在前面的旅程里,我们见识过了列表元组集合

今天我们要聊的这位,是 Python 里的“情报局局长”——字典 (Dictionary)

想象一下,如果你在列表里存了 1000 个人的信息,想找“张三”的电话,你可能得从第 1 个人翻到第 1000 个人。这种查找方式,我们称之为**“随缘查找法”**。

但有了字典,就像你去了超市的自动储物柜:你不用记得东西在哪,你只需要拿着那张印着“取件码”的小纸条,对应的柜门就会“啪”地一声弹开。

1. 它是何方神圣?(创建字典)

字典的长相很特别,它也用花括号{}(没错,和集合抢地盘),但它里面是一对一对出现的。

这种成对的关系叫键值对 (Key-Value Pair)

# 创建一个字典 # 格式:{键: 值, 键: 值} hero_stats = { "名称": "亚瑟", "职业": "战士", "血量": 3600, "台词": "为了正义!" } print(hero_stats)

个人理解:你可以把Key(键)想象成标签,把Value(值)想象成盒子里的东西。找东西不看位置,只看标签!

2. 这里的规矩:Key 是唯一的,Value 是博爱的

字典有两个硬性规定,新手一定要记牢:

  1. Key 必须唯一:就像一个取件码只能开一个柜门。如果你存了两个一样的 Key,后来的那个会把前面的给“覆盖”掉。

  2. Key 必须不可变:Key 通常由字符串或数字担任(不能用列表)。

  3. Value 随便造:值可以是任何东西,数字、字符串、列表、甚至再嵌套一个字典。

# 覆盖演示 test_dict = {"name": "张三", "name": "李四"} print(test_dict) # 输出: {'name': '李四'} <-- 张三被无情地挤走了

3. 查数据:暴力拆解 vs 优雅索取

想看字典里的东西?有两种姿势。

姿势 A:直接抓取 (使用[])

这是最直接的方法,但也最容易“翻车”。

info = {"name": "Python", "age": 30} print(info["name"]) # 输出: Python # 如果 Key 不存在... # print(info["hobby"]) # 报错: KeyError: 'hobby' (程序直接原地炸裂)

姿势 B:优雅获取 (使用.get())

这是我强烈推荐的保命技巧

# 如果 key 不存在,它会默默返回 None,而不是报错 print(info.get("hobby")) # 输出: None # 你甚至可以设置一个“备胎”默认值 print(info.get("hobby", "这个真没有")) # 输出: 这个真没有

4. 增删改:管家的日常

字典的操作非常直观,就像操作变量一样。

增/改:直接指名道姓

如果 Key 不存在,就是新增;如果 Key 存在,就是修改。

user = {"id": 1} # 增 user["name"] = "阿强" # 改 user["id"] = 999 print(user) # {'id': 999, 'name': '阿强'}

删:踢出柜门

  • pop("key"): 删掉并把值还给你。

  • del dict["key"]: 直接消灭。

user.pop("name") print(user) # {'id': 999}

5. 遍历字典:偷看情报局的底牌

有时候你想看看字典里都有啥,有三种方式:

d = {"a": 1, "b": 2, "c": 3} # 1. 只看 Key (键) for k in d.keys(): print(k) # 2. 只看 Value (值) for v in d.values(): print(v) # 3. 都要看 (键值对) —— 最常用 for k, v in d.items(): print(f"标签是 {k}, 里面装着 {v}")

6. 个人心得:什么时候该用字典?

作为一个过来人,我有两点深刻的体会:

  1. 拒绝“魔术数字”:如果你发现你的代码里有很多student[0]student[1],过了一周你肯定忘了0是姓名还是学号。这时候请务必换成student["name"]代码的可读性会瞬间起飞

  2. 查找速度极快:字典和集合一样,底层也是哈希表。不管字典里有一万个数据还是十万个,查找某个 Key 的速度几乎都是“瞬间”。在处理大数据时,字典是当之无愧的效率之王。

关于顺序的碎碎念:在很久以前(Python 3.6 之前),字典是无序的。但现在的 Python(3.7+)默认会记住你插入数据的顺序。虽然有序了,但我们用字典的核心还是为了映射,而不是为了排序。

总结

Python 的字典 (Dict) 是一个极其聪明的管家:

  • 样子是{Key: Value}

  • 核心是映射关系,找东西快如闪电。

  • 绝招是.get(),让你的程序永不崩盘。

  • 它是处理复杂数据的终极利器。

掌握了字典,你才算真正踏入了 Python 高级应用的门槛!

喜欢这篇文章吗?点个赞,让你的 Python 技能像字典查询一样快!(。♥‿♥。)

http://www.cnnetsun.cn/news/151390.html

相关文章:

  • 13、FPGA更新与可编程性:安全与应用解析
  • 18、多核心可重构嵌入式系统的安全设计与实现
  • 双非本科生的AI行业逆袭之路:我的经验与心得分享!
  • 运维岗位这么多,你适合哪一个
  • 基于微信小程序的在线家庭娱乐系统毕业设计源码
  • 为什么90%的企业用不好Open-AutoGLM?:硬件选型不当成最大瓶颈(附行业适配白皮书)
  • 模型体积缩小80%仍保持95%精度?Open-AutoGLM量化策略深度拆解
  • 2026年AI产品经理终极学习路线:传统产品经理的转型指南,超详细攻略,不容错过!
  • 【AI Agent可靠性突围】:Open-AutoGLM 7类错误恢复方案实测数据曝光
  • FaceFusion如何优化夜间低光环境下的人脸处理?
  • Open-AutoGLM接入成本大曝光:4个维度评估你的适配级别
  • Open-AutoGLM接口开放度实测:8项关键指标评分,你的项目适合接入吗?
  • 主流AutoGLM框架错误恢复能力对比,哪个真正提升任务成功率?
  • 【AI框架二次开发新标杆】:Open-AutoGLM 4大可扩展性设计,为何被头部企业争相采用?
  • FaceFusion镜像每日下载量突破5000次
  • 从零基础转行渗透测试到如今20k,我经历了什么?
  • 土木人“提桶跑路”零基础转行网络安全,成功实现月入过万
  • HGDB如何提升批量导入数据的速度
  • 11、加勒比与北美地区房地产投资指南
  • 42、太赫兹通信与可见光通信:5G 及未来的前沿技术
  • 46、5G及未来通信中的协同网络技术解析
  • 47、协同网络:过去、现在与未来
  • 50、5G及未来的灵活认知无线电接入技术与频谱感知
  • 58、5G及未来的物理层安全设计
  • 文献综述期末项目的撰写方法与实践研究
  • 【Open-AutoGLM硬件适配终极指南】:揭秘2024年主流行业GPU/CPU兼容性排行榜
  • 从零到部署有多难?Open-AutoGLM使用门槛全景透视
  • 创客匠人观察:当“实力沉默者”觉醒——创始人IP如何成为知识变现的终极信任杠杆
  • 基于华为昇腾AI处理器的CANN生态全景图系列(二):华为昇腾AI处理器是什么?为什么会跟CANN有关系呢?
  • 亲测灵活用工平台会计分录实践