3. Python 数据结构

字典与集合

在 Python 中，字典（dict）和集合（set）是两种非常常用的数据结构。它们分别用于存储键值对和唯一元素，具有高效的查找和操作性能。本节将详细介绍字典和集合的基本用法、常见操作以及它们在实际编程中的应用。

字典（dict）

字典是 Python 中一种可变、无序的键值对集合。字典的键必须是不可变类型（如字符串、数字或元组），而值可以是任意类型。字典的主要特点是通过键快速查找对应的值。

字典的创建

字典可以通过花括号 {} 或 dict() 函数创建：

# 使用花括号创建字典
person = {"name": "Alice", "age": 25, "city": "New York"}

# 使用 dict() 函数创建字典
person = dict(name="Alice", age=25, city="New York")
字典的常用操作

  1. 访问元素：通过键访问对应的值。

    print(person["name"])  # 输出: Alice

  2. 添加或修改元素：通过赋值操作添加或修改键值对。

    person["email"] = "alice@example.com"  # 添加新键值对
person["age"] = 26  # 修改已有键的值

  3. 删除元素：使用 del 语句或 pop() 方法删除键值对。

    del person["city"]  # 删除键为 "city" 的键值对
age = person.pop("age")  # 删除并返回键为 "age" 的值

  4. 遍历字典：可以通过键、值或键值对遍历字典。

    for key in person:  # 遍历键
    print(key, person[key])

for value in person.values():  # 遍历值
    print(value)

for key, value in person.items():  # 遍历键值对
    print(key, value)

  5. 字典推导式：用于快速生成字典。

    squares = {x: x**2 for x in range(5)}  # 输出: {0: 0, 1: 1, 2: 4, 3: 9, 4: 16}
集合（set）

集合是一种无序且不重复的元素集合。集合的主要用途是去重和成员关系测试。

集合的创建

集合可以通过花括号 {} 或 set() 函数创建：

# 使用花括号创建集合
fruits = {"apple", "banana", "cherry"}

# 使用 set() 函数创建集合
fruits = set(["apple", "banana", "cherry"])
集合的常用操作

  1. 添加元素：使用 add() 方法添加单个元素，或使用 update() 方法添加多个元素。

    fruits.add("orange")  # 添加单个元素
fruits.update(["grape", "kiwi"])  # 添加多个元素

  2. 删除元素：使用 remove() 或 discard() 方法删除元素。

    fruits.remove("banana")  # 删除元素，如果元素不存在会报错
fruits.discard("mango")  # 删除元素，如果元素不存在不会报错

  3. 集合运算：集合支持并集、交集、差集等运算。

    set1 = {1, 2, 3}
set2 = {3, 4, 5}

print(set1 | set2)  # 并集: {1, 2, 3, 4, 5}
print(set1 & set2)  # 交集: {3}
print(set1 - set2)  # 差集: {1, 2}
print(set1 ^ set2)  # 对称差集: {1, 2, 4, 5}

  4. 集合推导式：用于快速生成集合。

    squares = {x**2 for x in range(5)}  # 输出: {0, 1, 4, 9, 16}
字典与集合的性能分析
  • 字典：字典的查找、插入和删除操作的平均时间复杂度为 O(1)，因为字典是基于哈希表实现的。
  • 集合：集合的查找、插入和删除操作的平均时间复杂度也为 O(1)，因为集合也是基于哈希表实现的。
实际应用场景

  1. 字典：

    • 存储配置信息或属性值。
    • 实现缓存或映射关系。
    • 统计词频或数据分组。

  2. 集合：

    • 去重操作。
    • 成员关系测试。
    • 集合运算（如交集、并集等）。

通过掌握字典和集合的使用方法，您可以在 Python 中更高效地处理数据，并解决各种实际问题。

Last Updated::