dict和set的使用

核心
dict和set的介绍和使用

dict
python内置了字典：dict的支持，dict全称dictionary，在其他语言中也成为map，使用键-值(key-value)存储，具有极快的查询速度，如果用list实现，需要两个list

name=['spark','hadoop','flume']model=['scala','java','scala']

给定一个名字，要查找对应的语言，就先要在name中找到对应的位置，再从model去取出对应的语言，list越长，耗时越长。如果用dict实现，只需要一个”名字-语言”的对照表，直接根据名字查找成绩，无论这个表有多大，查找的速度都不会变慢，用python写一个dict如下

>>> name={'spark':'scala','hadoop':'java','flume':'scala'}>>> name['spark']'scala'

为什么dict查找速度这么快？这个原理和字典的查找原理是一样的，如果我们不用部首等查找直接从第一页开始往后面找，这个也是可以找到的，但是随着字数越来越多查找也愈来愈慢。这个是list方式，但是dict方式是先在字典的索引里面查到这个字对应的页面，然后直接翻到页面找到这个字，无论要找的字在哪里，这种查找速度都非常快，不会随着字典大小的增加而变慢。

把数据放入dict的方法，除了初始化以外还有赋值这种情况

>>> name['kafka']='scala'>>> name['kafka']'scala'

我们也可以通过赋值的语句修改里面某个值

>>> name['flume']='java'>>> name['flume']'java'

如果是key在这个dict里面不存在的情况那么python会抛出一个异常

>>> name['storm']Traceback (most recent call last):  File "<stdin>", line 1, in <module>KeyError: 'storm'

为了解决这个异常，我们可以考虑下面几种方法，判断这个key存在与否，另外一种如果不存在返回一个什么样的值

>>> 'storm' in nameFalse>>> name.get('storm')>>> name.get('storm',-1)-1

注意：dict内部存放的顺序和key放入的顺序是没有关系的。
和list比较，dict有以下的几个特点
1、查找和插入的速度快，不会随着key的增加而增加
2、需要占用大量的内存，内存浪费多
而list相反：
1、查找和插入时间随着元素的增加而增加
2、占用空间小，浪费内存很少
所以dict是用空间来换取时间的一种方法

set
set和dict类似，也是一组key的集合，但不存储value，由于key不能重复，所以，在set中，没有重复的key，要创建一个set，需要提供一个list作为输入集合：

>>> s=set([1,2,3])>>> sset([1, 2, 3])

注意，传入的参数[1,2,3]是一个list，而显示的set([1,2,3])只是告诉你这个set内部有1,2,3这3个元素，显示的[]不表示这是一个list，重复元素在set中自动被过滤：

>>> s=set([1,2,3,2,3])>>> sset([1, 2, 3])

通过add(key)方法可以添加元素到set中，可以重复添加，但是不会有效果

>>> s.add(4)>>> sset([1, 2, 3, 4])>>> s.add(3)>>> sset([1, 2, 3, 4])

可以通过remove(key)方法可以删除元素

>>> s.remove(4)>>> sset([1, 2, 3])

set可以看成数学意义上的无序和无重复元素的集合，因此两个set可以做数学意义上的交集、并集操作

>>> s1=set([1,2,3])>>> s2=set([4,2,3])>>> s1 &s2set([2, 3])>>> s1 |s2set([1, 2, 3, 4])