Python字典遍歷的陷阱
眾所周知,Python
中常常按照key
、value
的形式來遍歷字典的items
。若value
是基本數(shù)據(jù)類型(int,float等),則是傳的拷貝,是不能直接修改value的:
dict2 = {'A':4, 'B':4} for _, num in dict2.items(): num += 1 print(dict2) # {'A': 4, 'B': 4}
這種情況下,若要修改value
,只能按照my_dict[key] = ...
的形式來修改。
for key, num in dict2.items(): dict2[key] += 1 print(dict2) # {'A': 5, 'B': 5}
但是如果value
是一個列表或者自定義類的對象,那么傳的是引用,是可以修改的
如下所示:
dict1 = {'A':[1,2,3,4],'B':[3,4,5,6]} for _, indices in dict1.items(): indices.append(9) print(dict1) # {'A': [1, 2, 3, 4, 9], 'B': [3, 4, 5, 6, 9]}
再如下面這個例子:
```python class MyClass: def __init__(self, value): self.value = value my_dict = dict([(i, MyClass(i)) for i in range(3)]) for _, my_obj in my_dict.items(): print(my_obj.value) print('\n') for _, my_obj in my_dict.items(): my_obj.value += 1 for _, my_obj in my_dict.items(): print(my_obj.value)
最后打印輸出:
0
1
2
1
2
3
也就是說,python
中字典按照key
、value
遍歷的時候value
實際上相當于函數(shù)的參數(shù),它會按照函數(shù)的參數(shù)傳遞規(guī)則進行傳遞,即對基本數(shù)據(jù)類型傳拷貝,對于對象傳引用。
value對于對象傳引用有許多好處,比如我們可以將numpy.random.shuffle()
作用于做為字典value的列表,使該列表被打亂:
import random dict1 = {'A':[1,2,3,4],'B':[3,4,5,6]} for _, indices in dict1.items(): random.shuffle(indices) print(dict1) # {'A': [4, 1, 3, 2], 'B': [4, 5, 6, 3]}
這個例子是我研究論文[1]的開源代碼[2]時發(fā)現(xiàn)的,論文中用下列代碼將每個cluster
對應(yīng)的樣本索引列表打亂:
for _, cluster in clusters.items(): rng.shuffle(cluster)
另外,該論文也使用下列代碼將全局模型的各分量模型拷貝到各client模型:
for learner_id, learner in enumerate(client.learners_ensemble): copy_model(learner.model, self.global_learners_ensemble[learner_id].model)
到此這篇關(guān)于Python字典遍歷的陷阱的文章就介紹到這了,更多相關(guān)Python字典遍歷內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
pandas 實現(xiàn)將NaN轉(zhuǎn)換為None
這篇文章主要介紹了pandas 實現(xiàn)將NaN轉(zhuǎn)換為None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計算三角函數(shù)之a(chǎn)sin()方法的使用
這篇文章主要介紹了Python計算三角函數(shù)之a(chǎn)sin()方法的使用,是Python入門的基礎(chǔ)知識,需要的朋友可以參考下2015-05-05PaddleNLP ppdiffusers 自動生成兔了個兔海報
這篇文章主要為大家介紹了PaddleNLP ppdiffusers 自動生成兔了個兔海報示例詳解,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進步,早日升職加薪2023-01-01tensorflow使用range_input_producer多線程讀取數(shù)據(jù)實例
今天小編就為大家分享一篇tensorflow使用range_input_producer多線程讀取數(shù)據(jù)實例,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2020-01-01Scrapy爬蟲Response子類在應(yīng)用中的問題解析
這篇文章主要為大家介紹了Scrapy爬蟲Response它的子類(TextResponse、HtmlResponse、XmlResponse)在應(yīng)用問題解析2023-05-05Python?threading中l(wèi)ock的使用詳解
Lock類是threading中用于鎖定當前線程的鎖定類,本文給大家介紹了Python?threading中l(wèi)ock的使用,需要的朋友可以參考下2022-11-11