python映射类型的相关介绍
映射类型是一类可迭代的键-值数据项的组合,提供了存取数据项及其键和值的方法,在python3中,支持两种无序的映射类型:内置的dict和标准库中的collections.defaultdict类型。
在python3.1后,还引入了一种有序的映射类型:collections.OrderedDict.
相关推荐:《python视频》
特点:
1.只有可哈希运算的对象可用于映射类型中的键,因此,内置的固定的数据类型都可以用作映射类型中的键(内置固定的类型都可进行哈希运算),目前接触到的固定数据类型有:int、float、complex、bool、str、tuple、frozenset;
2.每个键相关联的值可以是任意对象;
3.映射类型也是可迭代的(iterable)。
4.映射类型可以使用比较操作符进行比较,可以使用成员关系符in/not in和内置len()函数。
1.dict(字典)
dict数据类型是一种无序的、可变的组合数据类型,其中包含0-n个键值对,键是指向可哈希运算的对象的引用,值可以指向任意对象的引用。由于键是可哈希运算的对象引用,因此保证了键的唯一性;由于dict是可变的,因此可以对dict进行数据项的添加和移除操作;由于dict是无序的,因此没有索引,也不能使用分片操作符进行操作。
字典的创建
1.dict()可以作为一个函数调用,此时创建一个空dict:
>>> dict() {} >>>
dict()中传入一个映射类型的参数时,将返回以该参数为基础的字典,如:
>>> d1 = {"key1":"value1","key2":"value2"} >>> dict(d1) {'key1': 'value1', 'key2': 'value2'} >>>
dict() 还可以接受序列类型的参数,但是前提是序列中的每一个数据项本身是一个包含两个对象的序列,第一个用作键,第二个用作值,如:
>>> d1 = dict((("k1","v1"),("k2","v2"))) #使用元组创建 >>> d1 {'k1': 'v1', 'k2': 'v2'} >>> >>> d1 = dict([("k1","v1"),("k2","v2")]) #使用序列创建 >>> d1 {'k1': 'v1', 'k2': 'v2'} >>>
dict() 中还可以关键字参数进行创建,其中键作为关键字,值作为关键字的值,如:
>>> dict(id=1,name="zhangsan",age=23) {'id': 1, 'name': 'zhangsan', 'age': 23} >>>
注意:关键字必须为有效的python标识符
2.使用花括号创建dict,空{}会创建一个空的dict,非空dict由多个项组成,每一项由逗号分隔,其中每一项都使用K:V 的形式创建,如:
>>> dict2 = {"name":"kobe","age":33,"num":24} >>> dict2 {'name': 'kobe', 'age': 33, 'num': 24} >>>
3.使用字典内涵创建字典
defaultdict是dict的子类,它支持dict的所有的操作和方法。和dict的不同之处在于,如果dict中不包含某一个键,则通过dict[x]取值时出现KeyError异常,但是如果是defaultdict,则会创建一个新的项,键为该键,值为默认值。
2.collections.defaultdict(默认字典)
创建collections.defaultdict
创建collections.defaultdict时,通过collections.defaultdict(),根据参数可以有两种方式进行创建:
* 1.使用参数类型来创建:
>>> import collections >>> cd1 = collections.defaultdict(int) >>> cd2 = collections.defaultdict(list) >>> cd3 = collections.defaultdict(str) >>> cd1["x"] 0 >>> cd2["x"] [] >>> cd3["x"] '' >>>
这里分别使用了int、list、str,他们的默认值分别为0,[],”
* 2.使用函数名来创建:
>>> def name(): return 'zhangsan' >>> cd4 = collections.defaultdict(name) >>> cd4["x"] 'zhangsan' >>>
通过这种方式,可以使默认字典的默认值更加灵活。
需要注意的是,collections.defaultdict()可以不传入参数或者传入None,但是如果这样,则不支持默认值,比如:
>>> cd5 = collections.defaultdict() >>> cd5["x"] Traceback (most recent call last): File "<pyshell#254>", line 1, in <module> cd5["x"] KeyError: 'x' >>>
有了collections.defaultdict,可以代替dict中的get(k,v)和setdefault()方法了。
3.collections.OrderedDict
OrderedDict是dict子类,支持dict所有方法,记住了插入key的顺序。如果新条目覆盖现有条目,则原始插入位置保持不变。 删除条目并重新插入它将使其移至最后。
class collections.OrderedDict([items])
因为是有序的,所以只有当顺序也相同的时候,两个OrderedDict才相同。但是OrderedDict和普通dict相比较时,会忽略顺序。
from collections import OrderedDict d = {'banana': 3, 'apple': 4} od1 = OrderedDict({'banana': 3, 'apple': 4}) od2 = OrderedDict({'apple': 4, 'banana': 3}) print(od1 == od2) print(od1 == d)
运行结果
FalseTrue
3. 关键方法
OrderedDict.popitem(last=True)
普通dict的该方法不接受参数,只能将最后一个条目删除;OrderedDict比dict更为灵活,接受一个last参数:当last=True时和普通方法一样,符合LIFO顺序;当last=False时候,删除第一个元素,符合FIFO顺序。
from collections import OrderedDict od1 = OrderedDict({'banana': 3, 'apple': 4}) od1.popitem(False) print(od1)
运行结果
OrderedDict([('apple', 4)])
4. 简单增强
OrderedDict只是保持了插入的顺序,当条目被修改时,顺序不会修改。
od1 = OrderedDict({'banana': 3, 'apple': 4}) od1['banana'] = 5print(od1)
运行结果
OrderedDict([('banana', 5), ('apple', 4)])
但是有时候我们需要修改和插入时同样的效果,可以简单的增强一下,重写__setitem__()方法当修改时先删除该元素然后再插入。
class EnhancedOrderedDict(OrderedDict): def __setitem__(self, key, value): if key in self: del self[key] OrderedDict.__setitem__(self, key, value)
测试
eod = EnhancedOrderedDict({'banana': 3, 'apple': 4})print(eod) eod['banana'] = 5print(eod)
运行结果
EnhancedOrderedDict([('banana', 3), ('apple', 4)]) EnhancedOrderedDict([('apple', 4), ('banana', 5)])
以上是python映射类型的相关介绍的详细内容。更多信息请关注PHP中文网其他相关文章!

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

AI Hentai Generator
免费生成ai无尽的。

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

热门话题

PHP和Python各有优劣,选择取决于项目需求和个人偏好。1.PHP适合快速开发和维护大型Web应用。2.Python在数据科学和机器学习领域占据主导地位。

在CentOS系统上高效训练PyTorch模型,需要分步骤进行,本文将提供详细指南。一、环境准备:Python及依赖项安装:CentOS系统通常预装Python,但版本可能较旧。建议使用yum或dnf安装Python3并升级pip:sudoyumupdatepython3(或sudodnfupdatepython3),pip3install--upgradepip。CUDA与cuDNN(GPU加速):如果使用NVIDIAGPU,需安装CUDATool

Python和JavaScript在社区、库和资源方面的对比各有优劣。1)Python社区友好,适合初学者,但前端开发资源不如JavaScript丰富。2)Python在数据科学和机器学习库方面强大,JavaScript则在前端开发库和框架上更胜一筹。3)两者的学习资源都丰富,但Python适合从官方文档开始,JavaScript则以MDNWebDocs为佳。选择应基于项目需求和个人兴趣。

在CentOS系统上启用PyTorchGPU加速,需要安装CUDA、cuDNN以及PyTorch的GPU版本。以下步骤将引导您完成这一过程:CUDA和cuDNN安装确定CUDA版本兼容性:使用nvidia-smi命令查看您的NVIDIA显卡支持的CUDA版本。例如,您的MX450显卡可能支持CUDA11.1或更高版本。下载并安装CUDAToolkit:访问NVIDIACUDAToolkit官网,根据您显卡支持的最高CUDA版本下载并安装相应的版本。安装cuDNN库:前

Docker利用Linux内核特性,提供高效、隔离的应用运行环境。其工作原理如下:1. 镜像作为只读模板,包含运行应用所需的一切;2. 联合文件系统(UnionFS)层叠多个文件系统,只存储差异部分,节省空间并加快速度;3. 守护进程管理镜像和容器,客户端用于交互;4. Namespaces和cgroups实现容器隔离和资源限制;5. 多种网络模式支持容器互联。理解这些核心概念,才能更好地利用Docker。

在CentOS下选择PyTorch版本时,需要考虑以下几个关键因素:1.CUDA版本兼容性GPU支持:如果你有NVIDIAGPU并且希望利用GPU加速,需要选择支持相应CUDA版本的PyTorch。可以通过运行nvidia-smi命令查看你的显卡支持的CUDA版本。CPU版本:如果没有GPU或不想使用GPU,可以选择CPU版本的PyTorch。2.Python版本PyTorch

CentOS 安装 Nginx 需要遵循以下步骤:安装依赖包,如开发工具、pcre-devel 和 openssl-devel。下载 Nginx 源码包,解压后编译安装,并指定安装路径为 /usr/local/nginx。创建 Nginx 用户和用户组,并设置权限。修改配置文件 nginx.conf,配置监听端口和域名/IP 地址。启动 Nginx 服务。需要注意常见的错误,如依赖问题、端口冲突和配置文件错误。性能优化需要根据具体情况调整,如开启缓存和调整 worker 进程数量。

在CentOS系统上进行PyTorch分布式训练,需要按照以下步骤操作:PyTorch安装:前提是CentOS系统已安装Python和pip。根据您的CUDA版本,从PyTorch官网获取合适的安装命令。对于仅需CPU的训练,可以使用以下命令:pipinstalltorchtorchvisiontorchaudio如需GPU支持,请确保已安装对应版本的CUDA和cuDNN,并使用相应的PyTorch版本进行安装。分布式环境配置:分布式训练通常需要多台机器或单机多GPU。所
