Python字典和集合

1、泛映射类型

collections.abc 模块中有 Mapping 和 MutableMapping 这两个抽象类，他们的作用是为dict和其他类似的类型定义形式接口。

标准库里所有映射类型都是利用dict来实现的，因此他们有个共同的限制，只有可散列的数据类型才能用作这些映射里的键。

可散列的数据类型：在这个对象的生命周期中，他的散列值是不变的，而且这个对象需要实现__hash__()方法，还要有__eq__()方法。

▲ 原子不可变数据类型（str、bytes和数值类型）、frozenset都是可散列类型。

▲ 只有当一个元组包含的所有元素都是可散列类型的情况下，它才是可散列的。

字典提供了多种构造方法：

>>> a = dict(name='Li', sex='girl')
>>> b = {'name':'Li', 'sex':'girl'}
>>> c = dict(zip(['name','sex'], ['Li','girl']))
>>> d = dict([('name':'Li'), ('sex':'girl')])
>>> e = dict({'name':'Li', 'sex':'girl'})
>>> a == b == c == d == e
True

2、字典推导、默认值

2.1、字典推导

从任何以键值对作为元素的可迭代对象中构建出字典。

>>> DIAL_CODE = [
...    (86,'China'),
...    (1,'United States'),
... ]

>>> country_code = {country:code for code,country in DIAL_CODE}
{'China': 86, 'United States': 1}

>>> {country:code for country,code in country_code.items() if code > 50}
{'China': 86}

2.2、用setdefault处理找不到的键

在不进行二次查找的情况下更新列表

my_dict.setdefault(key, []).append(new_value)

# 等于

if key not in my_dict:
    my_dict[key] = []
my_dict[key].append(new_value)

3、映射的弹性键查询

某个键在映射中不存在时，我们也希望通过这个键读取值的时候能得到一个默认值。

可以使用defaultdict类型，或者自定义一个dict的子类，实现__missing__方法。

▲、在实例化一个defaultdict的时候，需要给构造方法提供一个可调用对象，这个可调用对象会在__getitem__找不到键的时候被调用，让__getitem__返回某种默认值。

如：dd = defaultdict(list) , dd['new_key']

如果new_key在dd中不存在，表达式dd['new_key']会按如下步骤执行：

（1）、调用list() 建立一个新列表。

（2）、把这个新列表作为值，‘new_key’作为键，放到dd中。

（3）、返回这个列表的引用。

▲、这个用来生成默认值 list 的可调用对象存放在名为 default_factory 的实例属性里。

▲、如果在创建defaultdict时没有指定 default_factory ，查询不存在键会触发 keyError 。

▲、defaultdict 里的 default_factory ，只会在__getitem__里被调用（dd[k]），而dd.get(k)则会返回None。

特殊方法__missing__，只会被__getitem__调用。

提供__missing__方法对get或者__contains__（in 运算符会用到这个方法）这些方法的使用没有影响。

4、字典的变种

collections.OrderedDict：添加键的时候后会保持顺序

>>> d = {'banana': 3, 'apple': 4, 'pear': 1, 'orange': 2}
>>> OrderedDict(sorted(d.items(), key=lambda t: t[0]))
OrderedDict([('apple', 4), ('banana', 3), ('orange', 2), ('pear', 1)])

collections.ChainMap：容纳不同的映射对象，查找操作时，这些对象被当作一个整体被逐个查找。

collections.Counter：整数计数器。 元素被存储为字典键，它们的计数被存储为字典值。

collections.USerDict ：让用户继承写子类。对一个字典对象的封装。其实例的内容保存在一个普通的字典当中，可以通过 UserDict 实例的属性 data 访问。

5、不可变映射类型

types模块引入了一个封装类名叫MappingProxyType。如果给这个类一个映射，它会返回一个只读的映射视图。

>>> from types import MappingProxyType
>>> d = {'1':'one'}
>>> d_proxy = MappingProxyType(d)
>>> d_proxy
mappingproxy({'1': 'one'})

>>> d_proxy['1']
'one'
>>> d_proxy['2'] = 'two'
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: 'mappingproxy' object does not support item assignment
>>> d['2'] = 'two'
>>> d_proxy
mappingproxy({'2': 'two', '1': 'one'})

6、集合论

集合的本质是许多唯一对象的聚集。所以，集合可以用于去重。

集合中的元素必须是可散列的，set类型本身是不可散列的，但是forzenset可以。所以可以创建一个包含不同frozenset的set。

空集合：set()

集合同样有属于他的集合推导。

>>> from unicodedata import name
>>> {chr(i) for i in range(32,256) if 'SIGN' in name(chr(i),'')}
{'xa2', 'xac', '§', '±', 'xa9', 'xb5', 'xae', '°', '$', 'xa3', '=', '+', '¤', '%', '÷', '<', 'xa5', 'xb6', '>', '#', '×'}　

7、字典中的散列表

散列表是一个稀疏数组（总是有空白元素的数组）。散列表里的单元叫做表元。

在dict的散列表中，每一个键值对都占用一个表元，每个表元都有两个部分，一个是对键的引用，另一个是对值得引用。

所有表元的大小一致，所以可以通过偏移量来读取某个表元。

Python会设法保证大概还有三分之一的表元是空的，在快要达到阈值的时候，原有的散列表会被复制到一个更大的空间里面。

如果要把一个对象放入散列表，那么首先要计算这个元素键的散列值。

内置的hash()方法用于所有内置对象，自定义对象调用hash()实际上运行自定义的__hash__。

如果两个对象在比较时是相等的，那他们的散列值必须相等。如（1 == 1.0）

▲ 散列值在索引空间中尽量分散开，越是相似的但不相等的对象，散列值的差别应该越大。如（1.0001和1.0002）

散列表算法：为了获取my_dict[search_key]的值

（1）首先调用hash(search_key)计算search_key的散列值，把这个值最低几位数字当做偏移量，在散列表里查找表元。

（2）若找到的表元是空的，抛出KeyError异常

（3）若不为空，表元里会有一对found_key：found_value。进行检验search_key == found_key是否为真

（4）相等则返回found_value。不相等则称为散列冲突。

为了解决散列冲突，算法会在散列值中另外再取几位经过计算处理，把新得到的数字再当做索引来寻找表元。

一个可散列对象必须满足以下条件：

（1）支持hash()函数，并且通过__hash__()方法得到的散列值是不变的。

（2）通过__eq__()方法检测相等性。

（3）若a == b为真，则hash(a) == hash(b)也为真。

所有由用户自定义的对象默认都是可散列的。因为他们的散列值由id()来获取，而且他们都不相等。

▲ 字典在内存中开销巨大，典型的空间换时间。

▲ 键的次序取决于添加顺序

▲ 往字典添加新键可能会改变已有键的顺序（字典扩容决定）

set的实现：也依赖散列表，散列表里存放的只有元素的引用

1. 集合里的元素必须是可散列的。
2. 集合很消耗内存。
3. 可以很高效地判断元素是否存在于某个集合
4. 元素的次序取决于被添加到集合里的次序
5. 往集合里添加元素，可能会改变集合里已有元素的次序。