python3中dict(字典)的使用方法示例
一、clear(清空字典內(nèi)容)
stu = { 'num1':'Tom', 'num2':'Lucy', 'num3':'Sam', } print(stu.clear()) #輸出:None
二、copy(拷貝字典)
stu = { 'num1':'Tom', 'num2':'Lucy', 'num3':'Sam', } stu2 = stu.copy() print(stu2)
三、fromkeys(指定一個列表,把列表中的值作為字典的key,生成一個字典)
name = ['tom','lucy','sam'] print(dict.fromkeys(name)) print(dict.fromkeys(name,25)) #指定默認值 #輸出:{'tom': None, 'lucy': None, 'sam': None} # {'tom': 25, 'lucy': 25, 'sam': 25}
四、get(指定key,獲取對應的值)
stu = { 'num1':'Tom', 'num2':'Lucy', 'num3':'Sam', } print(stu.get('num2')) #輸出:Lucy
五、items(返回由“鍵值對組成元素“的列表)
stu = { 'num1':'Tom', 'num2':'Lucy', 'num3':'Sam', } print(stu.items()) #輸出:dict_items([('num2', 'Lucy'), ('num3', 'Sam'), ('num1', 'Tom')])
六、keys(獲取字典所有的key)
stu = { 'num1':'Tom', 'num2':'Lucy', 'num3':'Sam', } print(stu.keys()) #輸出:dict_keys(['num3', 'num1', 'num2'])
七、pop(獲取指定key的value,并在字典中刪除)
stu = { 'num1':'Tom', 'num2':'Lucy', 'num3':'Sam', } name = stu.pop('num2') print(name,stu) #輸出:Lucy {'num1': 'Tom', 'num3': 'Sam'}
八、popitem(隨機獲取某個鍵值對,并在字典中刪除)
stu = { 'num1':'Tom', 'num2':'Lucy', 'num3':'Sam', } name = stu.popitem() print(name,stu) #輸出:('num2', 'Lucy') {'num3': 'Sam', 'num1': 'Tom'}
九、setdefault(獲取指定key的value,如果key不存在,則創(chuàng)建)
stu = { 'num1':'Tom', 'num2':'Lucy', 'num3':'Sam', } name = stu.setdefault('num5') print(name,stu) #輸出:None {'num1': 'Tom', 'num2': 'Lucy', 'num5': None, 'num3': 'Sam'}
十、update(添加鍵 - 值對到字典)
stu = { 'num1':'Tom', 'num2':'Lucy', 'num3':'Sam', } stu.update({'num4':'Ben'}) print(stu) #輸出:{'num2': 'Lucy', 'num3': 'Sam', 'num1': 'Tom', 'num4': 'Ben'}
總結
以上就是關于python3中dict(字典)的全部內(nèi)容了,希望本文的內(nèi)容對大家的學習或者工作能帶來一定的幫助,如果有疑問大家可以留言交流,謝謝大家對腳本之家的支持。
相關文章
Pytorch 如何加速Dataloader提升數(shù)據(jù)讀取速度
這篇文章主要介紹了Pytorch 加速Dataloader提升數(shù)據(jù)讀取速度的操作,具有很好的參考價值,希望對大家有所幫助。如有錯誤或未考慮完全的地方,望不吝賜教2021-05-05Python實現(xiàn)創(chuàng)建詞云的示例詳解
詞云一般是根據(jù)輸入的大量詞語生成的,如果某個詞語出現(xiàn)的次數(shù)越多,那么相應的大小就會越大,本文將利用wordcloud模塊實現(xiàn)詞云生成,需要的可以參考下2023-10-10