04.python哈希表

python哈希表

集合Set

集合，简称集。由任意个元素构成的集体。高级语言都实现了这个非常重要的数据结构类型。

Python中，它是可变的、无序的、不重复的元素的集合。

初始化

• set() -> new empty set object
• set(iterable) -> new set object

s1 = set()
s2 = set(range(5))
s3 = set([1, 2, 3])
s4 = set('abcdabcd')
s5 = {} # 这是什么？
s6 = {1, 2, 3}
s7 = {1, (1,)}
s8 = {1, (1,), [1]} # ？

元素性质

• 去重：在集合中，所有元素必须相异
• 无序：因为无序，所以不可索引
• 可哈希：Python集合中的元素必须可以hash，即元素都可以使用内建函数hash
  • 目前学过不可hash的类型有：list、set、bytearray
• 可迭代：set中虽然元素不一样，但元素都可以迭代出来

增加

• add(elem)
  • 增加一个元素到set中
  • 如果元素存在，什么都不做
• update(*others)
  • 合并其他元素到set集合中来
  • 参数others必须是可迭代对象
  • 就地修改

s = set()
s.add(1) s.update((1,2,3), [2,3,4])

删除

• remove(elem)
  • 从set中移除一个元素
  • 元素不存在，抛出KeyError异常。为什么是KeyError？
• discard(elem)
  • 从set中移除一个元素
  • 元素不存在，什么都不做
• pop() -> item
  • 移除并返回任意的元素。为什么是任意元素？
  • 空集返回KeyError异常
• clear()
  • 移除所有元素

s = set(range(10))
s.remove(0)
#s.remove(11) # KeyError为什么
s.discard(11) s.pop()
s.clear()

修改

集合类型没有修改。因为元素唯一。如果元素能够加入到集合中，说明它和别的元素不一样。

所谓修改，其实就是把当前元素改成一个完全不同的元素，就是删除加入新元素。

索引

非线性结构，不可索引。

成员运算符in

print(10 in [1, 2, 3])
print(10 in {1, 2, 3})

上面2句代码，分别在列表和集合中搜索元素。如果列表和集合的元素都有100万个，谁的效率高？

IPython魔术方法

IPython内置的特殊方法，使用%百分号开头的

• % 开头是line magic
• %% 开头是 cell magic，notebook的cell

%timeit statement
-n 一个循环loop执行语句多少次
-r 循环执行多少次loop，取最好的结果
%%timeit setup_code
 * code....

# 下面写一行，列表每次都要创建，这样写不好
%timeit (-1 in list(range(100)))
# 下面写在一个cell中，写在setup中，列表创建一次
%%timeit l=list(range(1000000))
-1 in l

set和线性结构比较

结果说明，集合性能很好。为什么？

• 线性数据结构，搜索元素的时间复杂度是O(n)，即随着数据规模增加耗时增大
• set、dict使用hash表实现，内部使用hash值作为key，时间复杂度为O(1)，查询时间和数据规模无关，不会随着数据规模增大而搜索性能下降。

遍历

只要是容器，都可以遍历元素。但是效率都是O(n)

可哈希

• 数值型int、float、complex
• 布尔型True、False
• 字符串string、bytes
• tuple
• None
• 以上都是不可变类型，称为可哈希类型，hashable

set元素必须是可hash的。

集合概念

• 全集
  • 所有元素的集合。例如实数集，所有实数组成的集合就是全集
• 子集subset和超集superset
  • 一个集合A所有元素都在另一个集合B内，A是B的子集，B是A的超集
• 真子集和真超集
  • A是B的子集，且A不等于B，A就是B的真子集，B是A的真超集
• 并集：多个集合合并的结果
• 交集：多个集合的公共部分
• 差集：集合中除去和其他集合公共部分

并集

将两个集合A和B的所有的元素合并到一起，组成的集合称作集合A与集合B的并集

• union(*others) 返回和多个集合合并后的新的集合
• | 运算符重载，等同union
• update(*others) 和多个集合合并，就地修改
• |= 等同update

交集

集合A和B，由所有属于A且属于B的元素组成的集合

• intersection(*others) 返回和多个集合的交集
• & 等同intersection
• intersection_update(*others) 获取和多个集合的交集，并就地修改
• &= 等同intersection_update

差集

集合A和B，由所有属于A且不属于B的元素组成的集合

• difference(*others) 返回和多个集合的差集
• - 等同difference
• difference_update(*others) 获取和多个集合的差集并就地修改
• -= 等同difference_update

对称交差

集合A和B，由所有不属于A和B的交集元素组成的集合，记作（A-B）∪（B-A）

• symmetric_differece(other) 返回和另一个集合的对称差集
• ^ 等同symmetric_differece
• symmetric_differece_update(other) 获取和另一个集合的对称差集并就地修改
• ^= 等同symmetric_differece_update

其它集合运算

• issubset(other)、<= 判断当前集合是否是另一个集合的子集
• set1 < set2 判断set1是否是set2的真子集
• issuperset(other)、>= 判断当前集合是否是other的超集
• set1 > set2 判断set1是否是set2的真超集
• isdisjoint(other) 当前集合和另一个集合没有交集，没有交集，返回True

练习

• 一个总任务列表，存储所有任务。一个已完成的任务列表。找出为未完成的任务

业务中，任务ID一般不可以重复
所有任务ID放到一个set中，假设为ALL
所有已完成的任务ID放到一个set中，假设为COMPLETED，它是ALL的子集
ALL - COMPLETED => UNCOMPLETED

集合运算，用好了妙用无穷。

字典Dict

Dict即Dictionary，也称为mapping。

Python中，字典由任意个元素构成的集合，每一个元素称为Item，也称为Entry。这个Item是由(key, value)组成的二元组。

字典是可变的、无序的、key不重复的key-value pairs键值对集合。

初始化

• dict(**kwargs) 使用name=value对初始化一个字典

• dict(iterable, **kwarg) 使用可迭代对象和name=value对构造字典，不过可迭代对象的元素必须是一个二元结构

• dict(mapping, **kwarg) 使用一个字典构建另一个字典

字典的初始化方法都非常常用，都需要会用

d1 = {}
d2 = dict()
d3 = dict(a=100, b=200)
d4 = dict(d3) # 构造另外一个字典
d5 = dict(d4, a=300, c=400)
d6 = dict([('a', 100), ['b', 200], (1, 'abc')], b=300, c=400)

# 类方法dict.fromkeys(iterable, value)
d = dict.fromkeys(range(5))
d = dict.fromkeys(range(5), 0)

元素访问

• d[key]
  • 返回key对应的值value
  • key不存在抛出KeyError异常
• get(key[, default])
  • 返回key对应的值value
  • key不存在返回缺省值，如果没有设置缺省值就返回None
• setdefault(key[, default])
  • 返回key对应的值value
  • key不存在，添加kv对，value设置为default，并返回default，如果default没有设置，缺省为None

新增和修改

• d[key] = value
  • 将key对应的值修改为value
  • key不存在添加新的kv对
• update([other]) -> None
  • 使用另一个字典的kv对更新本字典
  • key不存在，就添加
  • key存在，覆盖已经存在的key对应的值
  • 就地修改

d = {}
d['a'] = 1 d.update(red=1) d.update(['red', 2])
d.update({'red':3})

删除

• pop(key[, default])
  • key存在，移除它，并返回它的value
  • key不存在，返回给定的default
  • default未设置，key不存在则抛出KeyError异常
• popitem()
  • 移除并返回一个任意的键值对
  • 字典为empty，抛出KeyError异常
• clear()
  • 清空字典

遍历

1、遍历Key

for k in d:
    print(k)
for k in d.keys():
    print(k)

2、遍历Value

for v in d.values():
    print(v)
for k in d.keys():
    print(d[k])
    print(d.get(k))

3、遍历Item

for item in d.items():
    print(item)
    print(item[0], item[1])
for k,v in d.items():
    print(k, v)
for k,_ in d.items():
    print(k)
for _,v in d.items():
    print(v)

Python3中，keys、values、items方法返回一个类似一个生成器的可迭代对象

• Dictionary view对象，可以使用len()、iter()、in操作
• 字典的entry的动态的视图，字典变化，视图将反映出这些变化
• keys()返回一个类set对象，也就是可以看做一个set集合。如果values()都可以hash，那么items()也可以看做是类set对象

Python2中，上面的方法会返回一个新的列表，立即占据新的内存空间。所以Python2建议使用iterkeys、itervalues、iteritems版本，返回一个迭代器，而不是返回一个copy

遍历与删除

# 错误的做法
d = dict(a=1, b=2, c=3)
for k,v in d.items():
    print(d.pop(k))
抛出RuntimeError: dictionary changed size during iteration

在使用keys、values、items方法遍历的时候，不可以改变字典的size

while len(d):
    print(d.popitem())
while d:
    print(d.popitem())

上面的while循环虽然可以移除字典元素，但是很少使用，不如直接clear。

# for 循环正确删除
d = dict(a=1, b=2, c=3)
keys = []
for k,v in d.items():
keys.append(k)
for k in keys:
    d.pop(k)

集合set在遍历中，也不能改变其长度。

key

字典的key和set的元素要求一致

• set的元素可以就是看做key，set可以看做dict的简化版
• hashable 可哈希才可以作为key，可以使用hash()测试
• 使用key访问，就如同列表使用index访问一样，时间复杂度都是O(1)，这也是最好的访问元素的方式

if __name__ == '__main__':
    d = {
     1: 0,
     2.0: 3,
     "abc": None,
     ('hello', 'world', 'python'): "string",
     b'abc': '135'
    }

有序性

字典元素是按照key的hash值无序存储的。

但是，有时候我们却需要一个有序的元素顺序，Python 3.6之前，使用OrderedDict类可以做到，3.6开 始dict自身支持。到底Python对一个无序数据结构记录了什么顺序？

# 3.5如下
C:\Python\Python353>python
Python 3.5.3 (v3.5.3:1880cb95a742, Jan 16 2017, 16:02:32) [MSC v.1900 64 bit
(AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> d = {'a':300, 'b':200, 'c':100, 'd':50}
>>> d
{'c': 100, 'a': 300, 'b': 200, 'd': 50}
>>> d
{'c': 100, 'a': 300, 'b': 200, 'd': 50}
>>> list(d.keys())
['c', 'a', 'b', 'd']
>>> exit()
C:\Python\Python353>python
Python 3.5.3 (v3.5.3:1880cb95a742, Jan 16 2017, 16:02:32) [MSC v.1900 64 bit
(AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> d = {'a':300, 'b':200, 'c':100, 'd':50}
>>> d
{'b': 200, 'c': 100, 'd': 50, 'a': 300}

Python 3.6之前，在不同的机器上，甚至同一个程序分别运行2次，都不能确定不同的key的先后顺序。

# 3.6+表现如下
C:\Python\python366>python
Python 3.6.6 (v3.6.6:4cf1f54eb7, Jun 27 2018, 03:37:03) [MSC v.1900 64 bit
(AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> d = {'c': 100, 'a': 300, 'b': 200, 'd': 50}
>>> d
{'c': 100, 'a': 300, 'b': 200, 'd': 50}
>>> exit()
C:\Python\python366>python
Python 3.6.6 (v3.6.6:4cf1f54eb7, Jun 27 2018, 03:37:03) [MSC v.1900 64 bit
(AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> d = {'c': 100, 'a': 300, 'b': 200, 'd': 50}
>>> d
{'c': 100, 'a': 300, 'b': 200, 'd': 50}
>>> d.keys()
dict_keys(['c', 'a', 'b', 'd'])

Python 3.6+，记录了字典key的录入顺序，遍历的时候，就是按照这个顺序。

如果使用 d = {'a':300, 'b':200, 'c':100, 'd':50} ，就会造成以为字典按照key排序的错觉。

目前，建议不要3.6+提供的这种字典特性，还是认为字典返回的是无序的，可以在Python不同版本中考虑使用OrderedDict类来保证这种录入序。