Python字典遍歷的陷阱
眾所周知,Python中常常按照key、value的形式來(lái)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(lái)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(gè)列表或者自定義類的對(duì)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(gè)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(shuō),python中字典按照key、value遍歷的時(shí)候value實(shí)際上相當(dāng)于函數(shù)的參數(shù),它會(huì)按照函數(shù)的參數(shù)傳遞規(guī)則進(jìn)行傳遞,即對(duì)基本數(shù)據(jù)類型傳拷貝,對(duì)于對(duì)象傳引用。
value對(duì)于對(duì)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(gè)例子是我研究論文[1]的開(kāi)源代碼[2]時(shí)發(fā)現(xiàn)的,論文中用下列代碼將每個(gè)cluster對(duì)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(qǐng)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(shí)現(xiàn)將NaN轉(zhuǎn)換為None
這篇文章主要介紹了pandas 實(shí)現(xiàn)將NaN轉(zhuǎn)換為None的操作,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2021-05-05
Python計(jì)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(jì)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(shí),需要的朋友可以參考下2015-05-05
PaddleNLP ppdiffusers 自動(dòng)生成兔了個(gè)兔海報(bào)
這篇文章主要為大家介紹了PaddleNLP ppdiffusers 自動(dòng)生成兔了個(gè)兔海報(bào)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(jìn)步,早日升職加薪2023-01-01
tensorflow使用range_input_producer多線程讀取數(shù)據(jù)實(shí)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(shí)例,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-01-01
Scrapy爬蟲(chóng)Response子類在應(yīng)用中的問(wèn)題解析
這篇文章主要為大家介紹了Scrapy爬蟲(chóng)Response它的子類(TextResponse、HtmlResponse、XmlResponse)在應(yīng)用問(wèn)題解析2023-05-05
Python?threading中l(wèi)ock的使用詳解
Lock類是threading中用于鎖定當(dāng)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
Python圖像處理之圖像算術(shù)與邏輯運(yùn)算詳解
這篇文章將詳細(xì)講解圖像算法運(yùn)算與邏輯運(yùn)算,包括圖像加法、圖像減法、圖像與運(yùn)算、圖像或運(yùn)算、圖像非運(yùn)算與圖像異或運(yùn)算。感興趣的可以了解一下2022-01-01

