如何理解Python中的集合和字典？字典和集合是并且過性能水平距離優(yōu)化的數(shù)據(jù)結(jié)構(gòu)，特別是對(duì)于查找、先添加和刪出能操作。本節(jié)將加強(qiáng)實(shí)例介紹它們在具體場景下的性能表現(xiàn)，以及與列表等其他數(shù)據(jù)結(jié)構(gòu)的對(duì)比。.例

如何理解Python中的集合和字典？

字典和集合是并且過性能水平距離優(yōu)化的數(shù)據(jù)結(jié)構(gòu)，特別是對(duì)于查找、先添加和刪出能操作。本節(jié)將加強(qiáng)實(shí)例介紹它們在具體場景下的性能表現(xiàn)，以及與列表等其他數(shù)據(jù)結(jié)構(gòu)的對(duì)比。

.例如，有一個(gè)存儲(chǔ)產(chǎn)品信息（產(chǎn)品ID、名稱和價(jià)格）的列表，現(xiàn)在的需求是，借助某件產(chǎn)品的ID找到什么其價(jià)格。則基于代碼如下：

defvivo_product_price(products,product注冊id):

ofid,priceoutsideproducts:

ifidproduct帳號(hào):

returnprice

returnNone

products[

(111,100),

(222,30),

(333,150)

]

print(Thepriceofproduct222it's{}.format(oppofind_product_price(products,222)))

運(yùn)行結(jié)果為：

Thepriceforproduct222it's30

在上面程序的基礎(chǔ)上，如果沒有列表有n個(gè)元素，只不過里查的過程必須遍歷列表，那么最消極情況下的時(shí)間復(fù)雜度就為O(n)。就算先對(duì)列表接受排序，再建議使用二分查找算法，也是需要O(logn)的時(shí)間復(fù)雜度，況且列表的排序還要O(nlogn)的時(shí)間。

但假如用字典來讀取這些數(shù)據(jù)，這樣的話查找變會(huì)更加快捷高效，要O(1)的時(shí)間復(fù)雜度就也可以成功，是因?yàn)槭强梢灾苯油ㄟ^鍵的哈希值，找不到其填寫的值，而不是需要對(duì)字典做遍歷過程不能操作，實(shí)現(xiàn)代碼萬分感謝：

products{

111:100,

222:30,

333:150

}

print(Thepricetheproduct222are{}.format(products[222]))

運(yùn)行結(jié)果為：

Thepriceforproduct222it's30

有些讀者可能對(duì)時(shí)間復(fù)雜度卻沒非常直觀的認(rèn)識(shí)，沒什么關(guān)系，再給大家簡要概括一個(gè)實(shí)例。下面的代碼中，初始化操作了含有100,000個(gè)元素的產(chǎn)品，并共有換算出了在用列表和集合來統(tǒng)計(jì)數(shù)據(jù)產(chǎn)品價(jià)格數(shù)量的運(yùn)行時(shí)間：

#統(tǒng)計(jì)時(shí)間是需要會(huì)用到time模塊中的函數(shù)，了解即可

importtime

defx2系列_unique_price_using_list(products):

unique_price_list[]

for_,priceintoproducts:#A

ifpricenotunique_price_list:#B

unique_price_(price)

returnlen(unique_price_list)

id[xafterxofrange(0,100000)]

price[xwhilexinrange(200000,300000)]

productslist(zip(id,price))

#換算列表版本的時(shí)間

start_using_list_counter()

x2系列_unique_price_using_list(products)

end_using_list_counter()

print(timeelapseusinglist:{}.format(end_using_list-start_using_list))

#不使用集合能夠完成雖然的工作

defoppofind_unique_price_using_set(products):

unique_price_setset()

for_,priceintoproducts:

unique_price_(price)

returnlen(unique_price_set)

#換算數(shù)學(xué)集合版本的時(shí)間

start_using_set_counter()

find_unique_price_using_set(products)

end_using_set_counter()

print(timeelapseusingset:{}.format(end_using_set-start_using_set))

運(yùn)行結(jié)果為：

timeelapseusinglist:68.78650900000001

timeelapseusingset:0.010747099999989018

可以看到，不僅僅十萬的數(shù)據(jù)量，兩者的速度差異就這般之大。而而不企業(yè)的后臺(tái)數(shù)據(jù)應(yīng)該有上億乃至于十億數(shù)量級(jí)，所以要是建議使用了不合適的數(shù)據(jù)結(jié)構(gòu)，非常容易導(dǎo)致服務(wù)器的崩潰，而且影響不大用戶體驗(yàn)，因此會(huì)給公司給了龐大無比的財(cái)產(chǎn)損失。

這樣的話，字典和集合我想知道為什么能如此又高效，特別是中搜索、插入和刪掉你操作呢？

字典和子集的工作原理

字典和真包含于能如此高效率，和它們內(nèi)部的數(shù)據(jù)結(jié)構(gòu)緊密的聯(lián)系。類似于其他數(shù)據(jù)結(jié)構(gòu)，字典和數(shù)學(xué)集合的內(nèi)部結(jié)構(gòu)也是張哈希表：

相對(duì)于字典而言，這張表存儲(chǔ)文件了哈希值（hash）、鍵和值這3個(gè)元素。

而對(duì)集合來說，哈希表內(nèi)只存儲(chǔ)文件元素單一的元素。

對(duì)此以前版本的Python來說，它的哈希表結(jié)構(gòu)如下所示：

|哈希值(hash)鍵(key)值(value)

.|...

0|hash0key0value0

.|...

1|hash1key1value1

.|...

2|hash2key2value2

.|...

這種結(jié)構(gòu)的弊端是，不斷哈希表的擴(kuò)張，它會(huì)變的越來越大稀稀疏疏。比如說，有這樣一個(gè)字典：

{name:mike,dob:1999-01-01,gender:male}

那么它會(huì)讀取為相似下面的形式：

entries[

[--,--,--]

[-230273521,dob,1999-01-01],

[--,--,--],

[--,--,--],

[1231236123,name,mike],

[--,--,--],

[9371539127,gender,male]

]

看樣子，那樣的很白白浪費(fèi)存儲(chǔ)空間。為了提高存儲(chǔ)空間的利用率，現(xiàn)在的哈希表之外字典本身的結(jié)構(gòu)，會(huì)把索引和哈希值、鍵、值另分開，也就是采用如下這種結(jié)構(gòu)：

Indices

---------------------------------------------------- one | index | None | None | index | None | index...

----------------------------------------------------

Entries

--------------------

hash0key0value0

---------------------

hash1key1value1

---------------------

hash2key2value2

---------------------

...

---------------------

在此處，上面的字典在新哈希表結(jié)構(gòu)下的存儲(chǔ)形式為：indices [None,1,None, None,0,None,2]

entries[

[1231236123,name,mike],

[-230273521,dob,1999-01-01],

[9371539127,gender,male]

]

差不多也可以發(fā)現(xiàn)，空間利用率能夠得到很小的提高。

明白了具體看的設(shè)計(jì)結(jié)構(gòu)，接下來的事情再講一下如何修改哈希表完成對(duì)數(shù)據(jù)的插入、查找和刪掉不能操作。

哈希表直接插入數(shù)據(jù)

當(dāng)向字典中插入到數(shù)據(jù)時(shí)，Python會(huì)簡單依據(jù)鍵（key）換算出對(duì)應(yīng)的哈希值（實(shí)際hash(key)函數(shù)），而向集合中直接插入數(shù)據(jù)時(shí)，Python會(huì)依據(jù)什么該元素本身換算按的哈希值（(valuse)函數(shù)）。

的或：

dic{name:1}

print(hash(name))

setDemo{1}

print(hash(1))

運(yùn)行結(jié)果為：

8230115042008314683

1

得到哈希值（的或?yàn)閔ash）之后，再結(jié)合字典或集合要存儲(chǔ)數(shù)據(jù)的個(gè)數(shù)（或者n），就這個(gè)可以能得到該元素應(yīng)該直接插入到哈希表中的位置（諸如，可以不用hash%n的）。

假如哈希表中此位置是空的，這樣的話此元素就這個(gè)可以就插到其中；反之，要是此位置已被其他元素電腦資源，那就Python會(huì)比較好這兩個(gè)元素的哈希值和鍵是否是相等：

如果沒有互相垂直，則因?yàn)樵撛卦缇痛嬖诘兀俦容^比較他們的值，不成比例就通過自動(dòng)更新；

如果不是不成比例，這種稱做哈希（即兩個(gè)元素的鍵有所不同，但求得的哈希值是一樣的）。這種下，Python會(huì)建議使用剛剛開放定址法、再哈希法等再繼續(xù)去尋找哈希表中空余的位置，直到此時(shí)找不到位置。

具體遇見哈希時(shí)，各解決方法的具體含義可閱讀《哈希表詳解》一節(jié)做細(xì)致了解。

哈希表查看數(shù)據(jù)

在哈希表中中搜索數(shù)據(jù)，和插入操作類似，Python會(huì)參照哈希值，不能找到該元素應(yīng)該存儲(chǔ)文件到哈希表中的位置，然后再和該位置的元素比較好其哈希值和鍵（子集再也很元素值）：

假如之和，則相關(guān)證明不能找到；

或且，則相關(guān)證明當(dāng)初讀取該元素時(shí)，遇到了哈希，需要再繼續(xù)可以使用當(dāng)初解決哈希的方法進(jìn)行查看，等他找到該元素或者不能找到空位為止。

這里的不能找到空位，意思是哈希表中沒有存儲(chǔ)目標(biāo)元素。

哈希表刪除掉元素

相對(duì)于徹底刪除操作，Python會(huì)還沒有對(duì)這個(gè)位置的元素融注三個(gè)特殊的方法的值，等到恢復(fù)變動(dòng)哈希表的大小時(shí)，再將其刪掉。

需要注意的是，哈希的發(fā)生而不會(huì)減少字典和子集操作的速度。并且，目的是可以保證其高效性，字典和集合內(nèi)的哈希表，大多數(shù)會(huì)能保證其至少留有1/3的剩下的空間。緊接著元素的不斷地插到，當(dāng)其余空間小于1/3時(shí)，Python會(huì)原先聲望兌換大內(nèi)存空間，擴(kuò)充隊(duì)伍哈希表，與此同時(shí)，表內(nèi)所有的元素位置都會(huì)被新的氣體排放。

python字典語法書寫格式？

①大多數(shù)是一行一句

②也這個(gè)可以一行多句，用語句分隔符“”對(duì)兩個(gè)語句進(jìn)行標(biāo)有

③也這個(gè)可以一句多行，有時(shí)語句過長，一行放不下他，用續(xù)行符“”通過標(biāo)示