python cookbook第三版学习笔记二：字典

一般来说字典中是一个键对应一个单值的映射，如果想一个键值映射多个值，那么就需要将这些值放到另外的容器中，比如列表或者集合。

比如d={'a':[1,2]}

Collections中的defaultdict模块会自动创建这样的字典。如下

d=defaultdict(list)

d['a'].append(1)

d['a'].append(2)

d['b'].append(3)

defaultdict(<type 'list'>, {'a': [1, 2], 'b': [3]})

下面再来看下字典的排序

d={}

d['foo']=1

d['bar']=2

d['span']=3

d['grok']=4

print d

for key in d:

    print key,d[key]

输出：

{'span': 3, 'foo': 1, 'bar': 2, 'grok': 4}

span 3

foo 1

bar 2

grok 4

可以看到无论是直接打印d还是遍历d，输出的值都是无序的。和数据的写入的顺序无关。那么OrderedDict可以生成根据键插入顺序的字典。

d=OrderedDict()

d['foo']=3

d['bar']=2

d['spam']=4

print d

for key in d:

    print key,d[key]

输出：

OrderedDict([('foo', 3), ('bar', 2), ('spam', 4)])

foo 3

bar 2

spam 4

可以看到遍历字典的时候是根据键值生成顺序来排序的。是因为OrderedDict内部是生成一个链表的形式，新增加的元素都放到链表末端

字典的最大值最小值计算

a={}

a['foo']=3

a['bar']=2

a['spam']=4

print max(a)

这个比较结果是将字段的键值进行比较，然后输出一个最大值。如果要根据值来取最大，最小值，可以用max(a.values())的方法。如果要进一步反馈出对应的键值。可以用zip函数先将字典的键和值进行反转。

max(zip(a.values(),a.keys()))

zip函数的作用是将括号的参数形成一个tuple列表。通过翻转以后。列表中value在前，键值在后。因此进行比较的时候首先比较值。输出如下：

(4, 'spam')

找到一个序列中出现次数最多的元素：

经常在字符处理和文本处理中会遇到找次数最多的元素。如果一个个的去遍历太耗时间。这里可以用collections.Counter来达到这个目的

words=['look','info','my','look','into','eys','my','eyes','the','look','around','eyes','the','eys']

word_count=Counter(words)

print word_count

print word_count['look']

结果如下：

Counter({'look': 3, 'eyes': 2, 'eys': 2, 'the': 2, 'my': 2, 'info': 1, 'into': 1, 'around': 1})

3

从结果中可以看出，Counter就是将字符串做成了一个字典的形式，依次列出了各个元素出现的次数，并且是降序排列。从Counter的定义来看，可以看出也是继承自dict的

class Counter(dict):

另外可以认为的改变出现的次数word_count['look']+=1。这个时候look的次数就会变成4次，但是实际打印原字符串还是原来的字符串。

words=['look','info','my','look','into','eys','my','eyes','the','look','around','eyes','the','eys']

c=word_count=Counter(words)

word_count['look']+=1

print words

print word_count['look']

['look', 'info', 'my', 'look', 'into', 'eys', 'my', 'eyes', 'the', 'look', 'around', 'eyes', 'the', 'eys']

4

这是怎么回事呢。我们首先来看下Counter的初始化说明：可以看到__init__是创建一个新的空的counter对象。如果有输入则通过输入进行元素的初始化

words=['look','info','my','look','into','eys','my','eyes','the','look','around','eyes','the','eys']

c=word_count=Counter(words)

d=[e for e in c.elements()]

print d

print words

wo打印如下，可以看到除了顺序被改变之外，元素都一样的

['info', 'eyes', 'eyes', 'look', 'look', 'look', 'into', 'eys', 'eys', 'the', 'the', 'my', 'my', 'around']

['look', 'info', 'my', 'look', 'into', 'eys', 'my', 'eyes', 'the', 'look', 'around', 'eyes', 'the', 'eys']

现在回到我们之前的问题word_count['look']+=1 后words并没有被改变。那么被改变的肯定是新生成的对象。那么测试一下：

words=['look','info','my','look','into','eys','my','eyes','the','look','around','eyes','the','eys']

c=word_count=Counter(words)

word_count['look']+=1

d=[e for e in c.elements()]

print d

输出结果如下，可以看到确实增加了一个look。证明了后续的操作都是新增对象上进行操作的。

['info', 'eyes', 'eyes', 'look', 'look', 'look', 'look', 'into', 'eys', 'eys', 'the', 'the', 'my', 'my', 'around']

我们再来看另外一个update的用法。同样的我们首先看下这个函数的定义说明

Add counts instead of replace them。意思是将一个元素增加到新增的元素上面

word_count.update(words)

d=[e for e in c.elements()]

print d

print c

结果如下。可以看到是将words添加到了c这个新对象中去。因此计数也在之前的基础上增加了2倍

['info', 'info', 'eyes', 'eyes', 'eyes', 'eyes', 'look', 'look', 'look', 'look', 'look', 'look', 'into', 'into', 'eys', 'eys', 'eys', 'eys', 'the', 'the', 'the', 'the', 'my', 'my', 'my', 'my', 'around', 'around']

Counter({'look': 6, 'eyes': 4, 'eys': 4, 'the': 4, 'my': 4, 'info': 2, 'into': 2, 'around': 2})

在看Counter的源代码的时候，注意到还有下面的数学运算功能：

def __add__(self, other):

def __sub__(self, other):

这意味着可以在对象上进行加，减操作

words1=['abc','def']

words2=['ghi','jkm','abc']

a=Counter(words1)

b=Counter(words2)

print a+b

print a-b

输出结果如下：想减则意味着去掉重复的元素

Counter({'abc': 2, 'jkm': 1, 'ghi': 1, 'def': 1})

Counter({'def': 1})

通过某个关键字对字典进行排序：

可以采用itemgetter的方法。代码如下。用sorted进行排序，并设置比较关键参数key=itemgetter()

from operator import itemgetter

rows=[{'fname':'Brian','lname':'Jones','uid':1003},

      {'fname':'David','lname':'Beazley','uid':1002},

      {'fname':'John','lname':'Cleeze','uid':1001},

      {'fname':'Big','lname':'Jones','uid':1004}]

rows_by_uid=sorted(rows,key=itemgetter('uid'))

rows_by_name=sorted(rows,key=itemgetter('fname'))

print rows_by_uid

print rows_by_name

我们来看下这个函数是如何工作的。首先我们用lambda来改造下这个功能

rows_by_uid1=sorted(rows,key=lambda r:r['uid'])

print rows_by_uid1。可以看到得到的结果和sorted(rows,key=itemgetter('uid'))是一样的

证明可以用lambda是可以达到同样的效果。首先sorted函数是接受一个可迭代的对象，然后从rows中接受一个单一的元素.如rows[0],rows[1],rows[2],rows[3]各个字典。这个字典传入itemgetter，并根据传入的参数返回字典的值。从下面的定义可以更好的理解。

其实可以用列表本身的sort函数也是可以达到同样的效果:

rows.sort(key=lambda r:r['uid'])

print rows

两种方法的速度谁更快一点呢，其实如果数据不多的话，都差不多。数据量大的话网上推荐用itemgetter。

下面来看另外一个列子，对于实例中的参数进行排序：

class user():

    def __init__(self,id):

        self.userid=id

    def __repr__(self):

        return 'user({})'.format(self.userid)

UE=[user(23),user(46),user(12)]

print UE

print sorted(UE,key=attrgetter('userid'))

结果如下：

这里用到了attrgetter。通过下面的介绍我们可以看到这个主要是从实例中取出关键数据

下面再来看下对字典进行分类的函数：

数据如下，如果想按照date函数进行归类，也就是相同date的归为一类

rows = [

{'address': '5412 N CLARK', 'date': '07/01/2012'},

{'address': '5148 N CLARK', 'date': '07/04/2012'},

{'address': '5800 E 58TH', 'date': '07/02/2012'},

{'address': '2122 N CLARK', 'date': '07/03/2012'},

{'address': '5645 N RAVENSWOOD', 'date': '07/02/2012'},

{'address': '1060 W ADDISON', 'date': '07/02/2012'},

{'address': '4801 N BROADWAY', 'date': '07/01/2012'},

{'address': '1039 W GRANVILLE', 'date': '07/04/2012'},

]

    rows.sort(key=itemgetter('date'))

    for date,item in groupby(rows,itemgetter('date')):

        print date

        for i in item:

            print i

结果如下，可以看到同样的日期被归成了一类

Groupby通过查找连续相同的值，并返回值相同的对象。这里有一点需要注意，因为groupby是查找连续的值，所以要想得到想要的结果。必须先排序，如果不排序的话，得到的结果则是错误的。下面就是未排序的结果。从结果中明显可以看出groupby是查找连续相同的值来归类的。由于未排序，导致结果是零散的。

其实groupby就是一个归类函数，可以理解为同一个字典键值映射多个值。我们是否可以用前面介绍的defaultdict来构造呢。答案是可以的，因为dafaultdict可以将键值相同的值归为一类，也可以实现groupby的功能

rows_by_date=defaultdict(list)

for row in rows:

    print row

    rows_by_date[row['date']].append(row)

    print rows_by_date

E:python2.7.11python.exe E:/py_prj/python_cookbook.py

{'date': '07/01/2012', 'address': '5412 N CLARK'}

defaultdict(<type 'list'>, {'07/01/2012': [{'date': '07/01/2012', 'address': '5412 N CLARK'}]})

{'date': '07/04/2012', 'address': '5148 N CLARK'}

defaultdict(<type 'list'>, {'07/01/2012': [{'date': '07/01/2012', 'address': '5412 N CLARK'}], '07/04/2012': [{'date': '07/04/2012', 'address': '5148 N CLARK'}]})

{'date': '07/02/2012', 'address': '5800 E 58TH'}

defaultdict(<type 'list'>, {'07/02/2012': [{'date': '07/02/2012', 'address': '5800 E 58TH'}], '07/01/2012': [{'date': '07/01/2012', 'address': '5412 N CLARK'}], '07/04/2012': [{'date': '07/04/2012', 'address': '5148 N CLARK'}]})

{'date': '07/03/2012', 'address': '2122 N CLARK'}

defaultdict(<type 'list'>, {'07/02/2012': [{'date': '07/02/2012', 'address': '5800 E 58TH'}], '07/01/2012': [{'date': '07/01/2012', 'address': '5412 N CLARK'}], '07/04/2012': [{'date': '07/04/2012', 'address': '5148 N CLARK'}], '07/03/2012': [{'date': '07/03/2012', 'address': '2122 N CLARK'}]})

{'date': '07/02/2012', 'address': '5645 N RAVENSWOOD'}

defaultdict(<type 'list'>, {'07/02/2012': [{'date': '07/02/2012', 'address': '5800 E 58TH'}, {'date': '07/02/2012', 'address': '5645 N RAVENSWOOD'}], '07/01/2012': [{'date': '07/01/2012', 'address': '5412 N CLARK'}], '07/04/2012': [{'date': '07/04/2012', 'address': '5148 N CLARK'}], '07/03/2012': [{'date': '07/03/2012', 'address': '2122 N CLARK'}]})

{'date': '07/02/2012', 'address': '1060 W ADDISON'}

defaultdict(<type 'list'>, {'07/02/2012': [{'date': '07/02/2012', 'address': '5800 E 58TH'}, {'date': '07/02/2012', 'address': '5645 N RAVENSWOOD'}, {'date': '07/02/2012', 'address': '1060 W ADDISON'}], '07/01/2012': [{'date': '07/01/2012', 'address': '5412 N CLARK'}], '07/04/2012': [{'date': '07/04/2012', 'address': '5148 N CLARK'}], '07/03/2012': [{'date': '07/03/2012', 'address': '2122 N CLARK'}]})

{'date': '07/01/2012', 'address': '4801 N BROADWAY'}

defaultdict(<type 'list'>, {'07/02/2012': [{'date': '07/02/2012', 'address': '5800 E 58TH'}, {'date': '07/02/2012', 'address': '5645 N RAVENSWOOD'}, {'date': '07/02/2012', 'address': '1060 W ADDISON'}], '07/01/2012': [{'date': '07/01/2012', 'address': '5412 N CLARK'}, {'date': '07/01/2012', 'address': '4801 N BROADWAY'}], '07/04/2012': [{'date': '07/04/2012', 'address': '5148 N CLARK'}], '07/03/2012': [{'date': '07/03/2012', 'address': '2122 N CLARK'}]})

{'date': '07/04/2012', 'address': '1039 W GRANVILLE'}

defaultdict(<type 'list'>, {'07/02/2012': [{'date': '07/02/2012', 'address': '5800 E 58TH'}, {'date': '07/02/2012', 'address': '5645 N RAVENSWOOD'}, {'date': '07/02/2012', 'address': '1060 W ADDISON'}], '07/01/2012': [{'date': '07/01/2012', 'address': '5412 N CLARK'}, {'date': '07/01/2012', 'address': '4801 N BROADWAY'}], '07/04/2012': [{'date': '07/04/2012', 'address': '5148 N CLARK'}, {'date': '07/04/2012', 'address': '1039 W GRANVILLE'}], '07/03/2012': [{'date': '07/03/2012', 'address': '2122 N CLARK'}]})

这样我们可以轻松的通过下面的方式来进行查找某个日期的信息。

for i in rows_by_date['07/01/2012']:

    print i

那么我们用哪一种方式更好呢。从时间效率上来看，groupby的方式更快一些，下面是做了一个时间上的对比，可以看到多次运行都是groupby占优