關(guān)鍵詞 python、dict、data struct、python字典、python collections、dafultdict、Counter
Python 中字典是一種基本的數(shù)據(jù)結(jié)構(gòu)，它將鍵與值聯(lián)系起來，形成<Key - Value>的鍵值對形式，讓我們可以通過鍵快速找到對應的值。
在這篇文章的以下內(nèi)容，可以了解到以下內(nèi)容：
- Python 字典的基礎(chǔ)用法
- Python 字典的創(chuàng)建
- Python 字典的賦值
- Python 字典的查找
- Python字典作為簡單的數(shù)據(jù)結(jié)構(gòu)使用
- collections 包的兩個工具使用
- dafaultdict
- Counter
Python 字典的基礎(chǔ)用法
下面將通過 Python 字典的創(chuàng)建，賦值以及查找三個方面介紹 Python 字典的基礎(chǔ)用法，以及最后通過利用 Python 構(gòu)造一個簡單的復合數(shù)據(jù)結(jié)構(gòu)。
Python 字典創(chuàng)建
在 Python 中創(chuàng)建字典很簡單，使用 { } 即可創(chuàng)建一個空字典，可以使用 : 來連接鍵和值，然后使用 , 分割多個鍵值對。
# 字典創(chuàng)建
empty_dict = {}
member = {"Lilei": 16, "Hanmeimei": 17}
Python 字典查詢
Python 中的字典查詢主要有兩種方法，一種是用 [ ] 直接通過鍵名查詢，另一種方法是通過 .get() 來獲取鍵名。
# 查詢
# Issue 1, 直接通過鍵名獲取
print("Issue 1 : ", member["Lilei"])
# Issue 2, 通過 get 獲取
print("Issue 2 : ", member.get("Lilei"))
# Issue 3, 如果通過 get 獲取的鍵名不存在，返回默認值
print("Issue 3 : ", member.get("Mike"))
# Issue 4, 可以通過 get 獲取，設(shè)置默認值，如果鍵名不存在，返回設(shè)置的默認值
print("Issue 4 : ", member.get("Mike", 18))
>>>>> 以下為程序輸出結(jié)果 >>>>>
Issue 1 : 16
Issue 2 : 16
Issue 3 : None
Issue 4 : 18
Python 字典賦值
Python 字典賦值與 Python 字典查詢類似，可以用 [ ] 來為指定的鍵賦值，如果被指定的鍵不存在，Python 會為你創(chuàng)建一個新的鍵值對。
# 賦值
# Issue 1, 直接通過方括號賦值
member["Lilei"] = 18
print("Issue 1 : ", member["Lilei"])
# Issue 2，通過方括號為不存在的鍵名創(chuàng)建新值
member["Tony"] = 20
print("Issue 2 : ", member["Tony"])
>>>>> 以下為程序輸出結(jié)果 >>>>>
Issue 1 : 18
Issue 2 : 20
更深入的 Python 查找
在實際應用中，我們可能會嘗試獲取一個不存在的鍵名，這是，Python 會報出 KeyError 的錯誤，我們可以通過 try - except 捕獲異常來處理，此外，我們也可以通過 in 來判斷鍵名是否存在。
# 查找
# Issue 1 如果鍵名不存在與字典，會返回 KeyError 錯誤
try:
mike_member = member["Mike"]
except KeyError:
print("Issue 1 : Can not found member named: Mike")
# Issue 2 可以用 in 查找鍵是否存在
print("Issue 2 : Mike in member: ", "Mike" in member)
print("Issue 2: Lilei in member: ", "Lilei" in member)
>>>>> 以下為程序輸出結(jié)果 >>>>>
Issue 1 : Can not found member named: Mike
Issue 2 : Mike in member: False
Issue 2: Lilei in member: True
字典作為簡單復合數(shù)據(jù)結(jié)構(gòu)使用
通常，我們可以使用類和對象表示一個實體，但一些情況下，為了方便，我們也可以通過字典來表示一個實體，以下代碼演示通過字典來實驗一個簡單的 SNS 應用的一條消息實體，其中包含了用戶名、信息內(nèi)容以及用戶標簽。
weixin = {
"user": "Tony",
"text": "Python is the best language",
"hashtags": ["#python", "#java", "#data"]
}
# 獲取鍵名
print("Key: ", weixin.keys())
# 獲取鍵值
print("Value: ", weixin.values())
# 獲取 鍵-值 元組列表
print("K-V tuple: ", weixin.items())
>>>>> 以下為程序輸出結(jié)果 >>>>>
Key: dict_keys(['user', 'text', 'hashtags'])
Value: dict_values(['Tony', 'Python is the best language', ['#python', '#java', '#data']])
K-V tuple: dict_items([('user', 'Tony'), ('text', 'Python is the best language'), ('hashtags', ['#python', '#java', '#data'])])
collection 包的兩個工具的使用
我們實際生產(chǎn)中，有很多情景需要統(tǒng)計個數(shù)，比如，統(tǒng)計一段文字里面單詞出現(xiàn)個個數(shù)等，這時候，我們可以通過 Python 字典原生的功能實現(xiàn)，但通常情況下，使用 collections 包提供的 defaultdict 和 Counter 工具更為方便。
一下是一段來自維基百科對 Python 介紹的一段文字：
Python is a widely used high-level programming language for general-purpose programming, created by Guido van Rossum and first released in 1991. An interpreted language, Python has a design philosophy that emphasizes code readability notably using whitespace indentation to delimit code blocks rather than curly brackets or keywords, and a syntax that allows programmers to express concepts in fewer lines of code than might be used in languages such as C++ or Java.The language provides constructs intended to enable writing clear programs on both a small and large scale.
我們的目標是統(tǒng)計這一段文字里面，不同單詞的出現(xiàn)個數(shù)。首先，我們需要先對這段文字進行一些處理，先清除標點符號，以及去除空格，將單詞存放到一個字典里。
# 字典計數(shù)
raw_document = "Python is a widely used high-level programming language for general-purpose programming, created by Guido van Rossum and first released in 1991. An interpreted language, Python has a design philosophy that emphasizes code readability notably using whitespace indentation to delimit code blocks rather than curly brackets or keywords, and a syntax that allows programmers to express concepts in fewer lines of code than might be used in languages such as C++ or Java.The language provides constructs intended to enable writing clear programs on both a small and large scale."
# 去標點符號
non_punctuation_document = raw_document.replace(",", "").replace(".", "")
document = non_punctuation_document.split(" ")
接下來，我們嘗試使用 Python 字典原生的方法來統(tǒng)計個數(shù)
# Issue 1， 使用字典原生方法統(tǒng)計個數(shù)
word_counts = {}
for word in document:
previous_count = word_counts.get(word, 0)
word_counts[word] = previous_count + 1
print("Issue 1, count the words in document: ", word_counts)
>>>>> 以下為程序輸出結(jié)果 >>>>>
Issue 1, count the words in document: {'Python': 2, 'is': 1, 'a': 4, 'widely': 1, 'used': 2, 'high-level': 1, 'programming': 2, 'language': 3, 'for': 1, 'general-purpose': 1, 'created': 1, 'by': 1, 'Guido': 1, 'van': 1, 'Rossum': 1, 'and': 3, 'first': 1, 'released': 1, 'in': 3, '1991': 1, 'An': 1, 'interpreted': 1, 'has': 1, 'design': 1, 'philosophy': 1, 'that': 2, 'emphasizes': 1, 'code': 3, 'readability': 1, 'notably': 1, 'using': 1, 'whitespace': 1, 'indentation': 1, 'to': 3, 'delimit': 1, 'blocks': 1, 'rather': 1, 'than': 2, 'curly': 1, 'brackets': 1, 'or': 2, 'keywords': 1, 'syntax': 1, 'allows': 1, 'programmers': 1, 'express': 1, 'concepts': 1, 'fewer': 1, 'lines': 1, 'of': 1, 'might': 1, 'be': 1, 'languages': 1, 'such': 1, 'as': 1, 'C++': 1, 'JavaThe': 1, 'provides': 1, 'constructs': 1, 'intended': 1, 'enable': 1, 'writing': 1, 'clear': 1, 'programs': 1, 'on': 1, 'both': 1, 'small': 1, 'large': 1, 'scale': 1}
使用 collections 的 dafaultdict 來統(tǒng)計單詞出現(xiàn)個數(shù)
dafaultdict 相當于一個標準的字典，除了當前查找一個沒有包含在內(nèi)的鍵時，它會通過提供的零參數(shù)函數(shù)自動建立一個新鍵，并為它的值增加 1，使用 dafaultdict 的方法如下：
# Issue 2, 使用 defaultdict 統(tǒng)計詞個數(shù)
from collections import defaultdict
word_counts = defaultdict(int)
for word in document:
word_counts[word] += 1
print("Issue 2, count the words in document by defaultdict: ", word_counts)
>>>>> 以下為程序輸出結(jié)果 >>>>>
Issue 2, count the words in document by defaultdict: defaultdict(<class 'int'>, {'Python': 2, 'is': 1, 'a': 4, 'widely': 1, 'used': 2, 'high-level': 1, 'programming': 2, 'language': 3, 'for': 1, 'general-purpose': 1, 'created': 1, 'by': 1, 'Guido': 1, 'van': 1, 'Rossum': 1, 'and': 3, 'first': 1, 'released': 1, 'in': 3, '1991': 1, 'An': 1, 'interpreted': 1, 'has': 1, 'design': 1, 'philosophy': 1, 'that': 2, 'emphasizes': 1, 'code': 3, 'readability': 1, 'notably': 1, 'using': 1, 'whitespace': 1, 'indentation': 1, 'to': 3, 'delimit': 1, 'blocks': 1, 'rather': 1, 'than': 2, 'curly': 1, 'brackets': 1, 'or': 2, 'keywords': 1, 'syntax': 1, 'allows': 1, 'programmers': 1, 'express': 1, 'concepts': 1, 'fewer': 1, 'lines': 1, 'of': 1, 'might': 1, 'be': 1, 'languages': 1, 'such': 1, 'as': 1, 'C++': 1, 'JavaThe': 1, 'provides': 1, 'constructs': 1, 'intended': 1, 'enable': 1, 'writing': 1, 'clear': 1, 'programs': 1, 'on': 1, 'both': 1, 'small': 1, 'large': 1, 'scale': 1})
我們可以看到，使用 defaultdict 代碼量會比直接使用字典簡單，而且輸出的結(jié)果是一樣的。
使用 collections 的 Counter 來統(tǒng)計單詞數(shù)目
除了統(tǒng)計單詞數(shù)目外，我們在實際中可能更需要經(jīng)過篩選處理的結(jié)果，這里我們使用 Counter 可以列出單詞出現(xiàn)個數(shù)排名前十的單詞及其出現(xiàn)的次數(shù)，具體代碼如下：
# Issue 3， 使用 Counter 統(tǒng)計詞個數(shù)
from collections import Counter
word_counts = Counter(document)
for word, count in word_counts.most_common(10):
print("Issue 3, most common word in documents: ", word, count)
>>>>> 以下為程序輸出結(jié)果 >>>>>
Issue 3, most common word in documents: a 4
Issue 3, most common word in documents: language 3
Issue 3, most common word in documents: and 3
Issue 3, most common word in documents: in 3
Issue 3, most common word in documents: code 3
Issue 3, most common word in documents: to 3
Issue 3, most common word in documents: Python 2
Issue 3, most common word in documents: used 2
Issue 3, most common word in documents: programming 2
Issue 3, most common word in documents: that 2
總結(jié)
通過這篇文章，我們回顧了 Python 字典的基本用法，之后通過一個簡單的實例，嘗試了使用 collections 提供的 defaultdict 以及 Counter 包，了解如何通過字典來統(tǒng)計數(shù)目。
參考資料
[1] Joel Grus. 數(shù)據(jù)科學入門(第2章 Python速成) [978-7-115-41741-1].人民郵電出版社
