详解Python中映射类型的内建函数和工厂函数

 更新时间:2015年08月19日 10:05:56   作者:乌托邦  
这篇文章主要介绍了详解Python中映射类型的内建函数和工厂函数,目前Python的内建映射类型只有字典一种,需要的朋友可以参考下

1.基本函数介绍

(1)标准类型函数[type()、str()和 cmp()]
        对一个字典调用type()工厂方法,会返回字典类型:“<type 'dict'>”。调用str()工厂方法将返回该字典的字符串表示形式。
        字典是通过这样的算法来比较的:首先是字典的大小,然后是键,最后是值。可是用cmp()做字典的比较一般不是很有用。
 

 算法按照以下的顺序:
首先比较字典长度
        如果字典的长度不同,那么用cmp(dict1, dict2)比较大小时,如果字典dict1比dict2长,cmp()返回正值,如果dict2比dict1长,则返回负值。也就是说字典中的键的个数越多,这个字典就越大,即:len(dict1) > len(dict2) ==> dict1 > dict2。
其次比较字典的键
        如果两个字典的长度相同,那就按字典的键比较。键比较的顺序和keys()方法返回键的顺序相同。(注意: 相同的键会映射到哈希表的同一位置,这保证了对字典键的检查的一致性)。这时,如果两个字典的键不匹配时,对这两个(不匹配的键)直接进行比较。当dict1中第一个不同的键大于dict2中第一个不同的键,cmp()会返回正值。
然后比较字典的值
       如果两个字典的长度相同而且它们的键也完全匹配,则用字典中每个相同的键所对应的值进行比较。一旦出现不匹配的值,就对
这两个值进行直接比较。若dict1比dict2中相同的键所对应的值大,cmp()会返回正值。
完全匹配
       到此为止,即每个字典有相同的长度、相同的键、每个键也对应相同的值,则字典完全匹配,返回 0 值。
(2)映射类型相关的函数
 dict()

       工厂函数被用来创建字典,如果不提供参数会生成空字典。当容器类型对象做为一个参数传递给方法 dict(),如果参数是可以迭代的,即一个序列或是一个迭代器或是一个支持迭代的对象,那每个可迭代的元素必须成对出现。在每个值对中,第一个元素是字典的键、第二个元素是字典中的值。

  >>> dict(zip(('x', 'y'), (1, 2))) 
  {'y': 2, 'x': 1} 
  >>> dict([['x', 1], ['y', 2]]) 
  {'y': 2, 'x': 1} 
  >>> dict([('xy'[i-1], i) for i in range(1,3)]) 
  {'y': 2, 'x': 1} 

        如果输入参数是(另)一个映射对象,比如一个字典对象,对其调用dict()会从存在的字典里复制内容来生成新的字典。新生成的字典是原来字典对象的浅复制版本,它与用字典的内建方法copy()生成的字典对象是一样的。但是从已存在的字典生成新的字典速度比用copy()方法慢,推荐使用copy()。
len()
       内建函数len()很灵活,它可用在序列、映射类型和集合上。对字典调用 len(),它会返回所有元素(键-值对)的数目。
hash()
       内建函数hash()本身并不是为字典设计的方法,但它可以判断某个对象是否可以做一个字典的键。将一个对象作为参数传递给 hash(),会返回这个对象的哈希值。 只有这个对象是可哈希的,才可作为字典的键 (函数的返回值是整数,不产生错误或异常)。如果用比较操作符来比较两个数值,发现它们是相等的,那么即使二者的数据类型不同, 它们也会得到相同的哈希值。如果非可哈希类型作为参数传递给hash()方法,会产生TypeError错误,因此如果使用这样的对象作为键给字典赋值时会出错。

2.映射类型的内建函数和工厂函数使用实例

标准类型函数[type(),str()和cmp()]
字典比较算法

>>> dict1 = {}

>>> dict2 = {'host':'earth','port':80}

>>> cmp(dict1,dict2)

-1

>>> dict1['host'] = 'earth'

>>> cmp(dict1,dict2)

-1

>>> dict1['port'] = 80     

>>> cmp(dict1,dict2)

0

>>> dict1['port'] = 'tcp'

>>> cmp(dict1,dict2)

1

>>> dict2['port'] = 'udp'

>>> cmp(dict1,dict2)  

-1

>>> cdict = {'fruits':1}

>>> ddict = {'fruits':1}

>>> cmp(cdict,ddict)

0

>>> cdict['oranges'] = 0

>>> cdict['apples'] = 0    

>>> cmp(cdict,ddict)

1


映射类型相关的函数

dict()

>>> dict(zip(('x','y'),(1,2)))

{'y': 2, 'x': 1}

>>> dict([['x',1],['y',2]]) 

{'y': 2, 'x': 1}

>>> dict([('xy'[i-1],i) for i in range(1,3)])

{'y': 2, 'x': 1}


>>> dict(x=1,y=2)

{'y': 2, 'x': 1}

>>> dict8 = dict(x=1,y=2)

>>> dict8

{'y': 2, 'x': 1}

>>> dict9 = dict(**dict8)

>>> dict9

{'y': 2, 'x': 1}


>>> dict9 = dict8.copy()

>>> dict9

{'y': 2, 'x': 1}


len()

>>> dict2 = {'name':'earth','port':80}

>>> dict2

{'name': 'earth', 'port': 80}

>>> len(dict2)

2


相关文章

  • Python网络编程之HTTP协议的python应用

    Python网络编程之HTTP协议的python应用

    HTTP是在网络上传输HTML的协议,用于浏览器和服务器的通信,这篇文章主要介绍了Python网络编程之HTTP协议的python应用,需要的朋友可以参考下
    2022-11-11
  • 详解numpy.meshgrid()方法使用

    详解numpy.meshgrid()方法使用

    这篇文章主要介绍了详解numpy.meshgrid()方法使用,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2019-08-08
  • Python交换变量

    Python交换变量

    Python美味第一顿,来个方便快捷的变量交换!为什么是Python?!因为Python中交换变量不需要临时变量!
    2008-09-09
  • 一小时学会TensorFlow2之Fashion Mnist

    一小时学会TensorFlow2之Fashion Mnist

    这篇文章主要介绍了TensorFlow2之Fashion Mnist,本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下
    2021-09-09
  • Python实现的最近最少使用算法

    Python实现的最近最少使用算法

    这篇文章主要介绍了Python实现的最近最少使用算法,涉及节点、时间、流程控制等相关技巧,需要的朋友可以参考下
    2015-07-07
  • python用BeautifulSoup库简单爬虫实例分析

    python用BeautifulSoup库简单爬虫实例分析

    文章给大家分享了关于python爬虫的相关实例以及相关代码,有兴趣的朋友们参考下。
    2018-07-07
  • python实现的登陆Discuz!论坛通用代码分享

    python实现的登陆Discuz!论坛通用代码分享

    这篇文章主要介绍了python实现的登陆Discuz!论坛通用代码分享,需要的朋友可以参考下
    2014-07-07
  • Python 实现毫秒级淘宝抢购脚本的示例代码

    Python 实现毫秒级淘宝抢购脚本的示例代码

    本篇文章主要介绍了Python 通过selenium实现毫秒级自动抢购的示例代码,通过扫码登录即可自动完成一系列操作,抢购时间精确至毫秒,可抢加购物车等待时间结算的,感兴趣的小伙伴们可以参考一下
    2019-09-09
  • Python打包exe时各种异常处理方案总结

    Python打包exe时各种异常处理方案总结

    今天教大家用Python打包exe时各种异常处理的方案总结,下文中有非常详细的介绍,对正在学习python的小伙伴们很有帮助哟,需要的朋友可以参考下
    2021-05-05
  • NumPy随机数据分布与Seaborn可视化详解

    NumPy随机数据分布与Seaborn可视化详解

    数据分布是指数据集中所有可能值出现的频率,并用概率来表示,它描述了数据取值的可能性,Seaborn 是一个基于 Matplotlib 的 Python 数据可视化库,用于创建统计图表,本文就给大家详细的介绍一下NumPy随机数据分布与Seaborn可视化,需要的朋友可以参考下
    2024-05-05

最新评论