第 3.3 节 字典与集合:组织和去重数据#
预计学习时长: 30 分钟
本节目标:
- 会用字典按「名字」存取数据,理解「键 → 值」的关系;
- 知道字典的键不能重复,会用
get()避免取值报错;- 会遍历字典的键、值和键值对;
- 会用集合去重,并用它做高效的成员判断。
字典:带名字的抽屉#
列表靠「位置」找东西,字典靠「名字」找东西:
student = {"name": "小明", "age": 18, "score": 92}
print(student["name"]) # 小明"name" 叫键(key),92 叫值(value)。键必须唯一——同一个字典里不能有两个 "name"。
Case 25:建立学生信息表——使用字典存储姓名、年龄和成绩#
任务: 用字典描述一个学生,再用一个「字典的列表」表示整张表。
student = {
"name": "小明",
"age": 18,
"score": 92.0,
}
print("姓名:", student["name"])
print("年龄:", student["age"])
# 新增一项
student["city"] = "上海"
# 修改一项
student["score"] = 94.5
# 用 get 取值:键不存在时返回默认值,而不是报错
major = student.get("major", "未填写")
print("完整信息:", student)
print("专业:", major)
print("信息项数:", len(student))输出:
姓名: 小明
年龄: 18
完整信息: {'name': '小明', 'age': 18, 'score': 94.5, 'city': '上海'}
专业: 未填写
信息项数: 4关键点
student["name"]键不存在时会抛KeyError;student.get("name")则返回None。get(key, 默认值)是安全取值的标准写法;- 字典的「新增」和「修改」语法完全一样:
d["k"] = v。键存在就是改,不存在就是加; len(student)是键值对的个数;- 字典会保留插入顺序(Python 3.7+),所以打印出来的顺序是「先加的在前」。
字典和「列表的列表」对比一下 存学生信息,列表写法是
["小明", 18, 92.0],取年龄要写student[1]——靠数位置。 字典写法是student["age"]——靠名字。真实项目里字段经常增减、顺序还可能变,字典永远是对的。
Case 26:统计文本词频——使用字典统计单词出现次数#
任务: 统计一段文本里每个单词出现了多少次。
text = "python is great python is simple and python is powerful"
words = text.split()
counter = {}
for word in words:
if word in counter:
counter[word] = counter[word] + 1
else:
counter[word] = 1
for word, count in counter.items():
print(f"{word}: {count}")
print("不同的词数量:", len(counter))输出:
python: 3
is: 3
great: 1
simple: 1
and: 1
powerful: 1
不同的词数量: 6关键点
counter.items()一次拿到「键值对」,写for word, count in ...就能同时拿到词和次数;- 「键不存在就加 1,存在就加 1」这个模式叫计数。
if word in counter和counter[word] = counter[word] + 1也可以写成counter[word] = counter.get(word, 0) + 1,更短; - 字典的键唯一:如果
"python"已经存在,counter["python"] = 5是把次数改成 5,不是累加。想累加必须写成counter[word] = counter[word] + 1。
字典的键必须「可哈希」 字符串、数字、元组都可以当键,列表不行(会报
TypeError: unhashable type: 'list')。 原因很简单:字典内部靠「哈希值」快速定位,列表的内容会变,哈希值就不稳定了。
Case 27:清理重复标签——使用集合实现数据去重#
任务: 一批标签里有很多重复项,需要去重,并判断某个标签是否出现过。
raw_tags = ["python", "ml", "python", "深度学习", "ml", "python", "nlp"]
unique_tags = set(raw_tags)
print("去重后:", unique_tags)
print("数量:", len(unique_tags), "(原始有", len(raw_tags), "个)")
print("是否包含 python:", "python" in unique_tags)
print("是否包含 java:", "java" in unique_tags)
# 保持原有顺序的去重
seen = set()
ordered = []
for tag in raw_tags:
if tag not in seen:
seen.add(tag)
ordered.append(tag)
print("保持顺序的去重:", ordered)输出:
去重后: {'python', 'ml', '深度学习', 'nlp'}
数量: 4 (原始有 7 个)
是否包含 python: True
是否包含 java: False
保持顺序的去重: ['python', 'ml', '深度学习', 'nlp']关键点
set(列表)一行就能去重,这是集合最常用的功能;- 集合不保证顺序。上面的输出顺序每次运行可能不同(Python 的集合顺序受哈希影响)。要保序就用右边那段「用
set辅助 + 列表记录」的写法; in判断在集合里是极快的。列表里查一个元素要逐个比较,集合里几乎是常数时间。数据量大的时候,「先转成集合再判断」是常见优化;- 集合还支持交集
&、并集|、差集-。
「保留顺序的去重」是真实项目里的高频需求 比如清洗机器学习数据集时,你要保留样本的原始顺序,同时去掉重复的样本 ID。上面那段代码就是标准答案,记下来。
本节小结#
| 场景 | 写法 |
|---|---|
| 建字典 | {"name": "小明"} |
| 安全取值 | d.get("name", "默认值") |
| 加 / 改 | d["k"] = v |
| 遍历键值对 | for k, v in d.items(): |
| 去重 | set(列表) |
| 成员判断 | "x" in 集合 |
三条核心规矩:字典的键唯一且必须可哈希、字典用 get() 安全取值、集合去重但不保序。
随堂练习#
- 用字典表示一个商品(名称、价格、库存),并把价格改成 19.9;
- 给定
["a", "b", "a", "c", "b"],用字典统计每个元素出现的次数; - 用集合求两个列表的交集:
[1, 2, 3, 4]和[3, 4, 5, 6]。
点击查看参考答案
# 练习 1
product = {"name": "笔记本", "price": 1999.0, "stock": 12}
product["price"] = 19.9
print(product)
# 练习 2
items = ["a", "b", "a", "c", "b"]
counter = {}
for item in items:
counter[item] = counter.get(item, 0) + 1
print(counter)
# 练习 3
list_a = [1, 2, 3, 4]
list_b = [3, 4, 5, 6]
common = set(list_a) & set(list_b)
print("交集:", common)练习 3 里 & 是交集运算符,作用对象是两个集合,所以要先用 set() 转换。
下一章预告 到这里你已经能存数据了,但处理逻辑还散落在各处。下一章我们把重复的操作封装成函数,再用模块把代码组织起来——这是从「会写脚本」到「会写项目」的分水岭。