Python中的哈希表和哈希圖:它們是什么以及如何實現?

      網友投稿 727 2025-03-31

      數據需要多種存儲和訪問數據的方式。最重要的實現之一包括哈希表。在Python中,這些哈希表是通過內置數據類型即dictionary實現的。在本文中,您將學習什么是Python中的哈希表和哈希圖,以及如何使用字典來實現它們。


      在繼續之前,讓我們看一下所有討論的主題:

      什么是Python中的哈希表或哈希圖?

      哈希表與哈希圖

      創建字典

      創建嵌套詞典

      使用字典在哈希表上執行操作

      訪問值

      更新值

      刪除項目

      將字典轉換為數據框

      什么是Python中的哈希表或哈希圖?

      在計算機科學中,哈希表或哈希圖是一種將鍵映射到其值對(實現抽象數組數據類型)的數據結構。它基本上利用了計算索引值的函數,該索引值又包含要搜索,插入,刪除的元素等。這使得訪問數據變得容易且快速。通常,哈希表存儲鍵值對,并且使用哈希函數生成鍵。

      哈希表或具有Python的映射是通過內置的字典數據類型實現的。Python中字典的鍵由哈希函數生成。字典中的元素沒有順序,可以更改。

      詞典的示例可以是員工姓名及其員工ID或學生姓名及其學生ID的映射。

      繼續前進,讓我們看看Python中的哈希表和哈希圖之間的區別。

      哈希表與哈希圖:哈希表與Python中的哈希圖之間的區別

      Synchronized

      Non-Synchronized

      Fast

      Slow

      Allows one null key and more than one null values

      Does not allows null keys or values

      創建字典:

      字典可以通過兩種方式創建:

      使用花括號({})

      使用dict()?函數

      使用花括號:

      可以使用花括號在Python中創建字典,如下所示:

      例子:

      my_dict={'Dave' : '001' , 'Ava': '002' , 'Joe': '003'} print(my_dict) type(my_dict)

      輸出:

      {'Dave':'001','Ava':'002','Joe':'003'} dict

      使用dict()函數:

      Python具有內置函數dict(),可用于在Python中創建字典。例如:

      例子:

      new_dict=dict() print(new_dict) type(new_dict)

      輸出:

      {}

      字典

      在上面的示例中,由于沒有將鍵值對作為參數提供給dict()函數,因此創建了一個空字典。如果要添加值,可以執行以下操作:

      例子:

      new_dict=dict(Dave = '001' , Ava= '002' , Joe= '003') print(new_dict) type(new_dict)

      輸出:

      {'Dave':'001','Ava':'002','Joe':'003'} dict

      創建嵌套詞典:

      嵌套字典基本上是位于其他字典中的字典。例如:

      例子:

      emp_details = {'Employee': {'Dave': {'ID': '001', 'Salary': 2000, 'Designation':'Python Developer'}, 'Ava': {'ID':'002', 'Salary': 2300, 'Designation': 'Java Developer'}, 'Joe': {'ID': '003', 'Salary': 1843, 'Designation': 'Hadoop Developer'}}}

      使用字典對哈希表執行操作:

      通過字典,可以對Python的has表執行許多操作,例如:

      訪問值

      更新值

      刪除元素

      訪問值:

      字典的值可以通過多種方式訪問 ,例如:

      使用鍵值

      使用功能

      實現for循環

      可以使用以下鍵值來訪問字典值:

      例子:

      my_dict={'Dave' : '001' , 'Ava': '002' , 'Joe': '003'} my_dict['Dave']

      輸出:'?001'

      有許多內置函數可以使用,例如get(),keys(),values()等。

      例子:

      my_dict={'Dave' : '001' , 'Ava': '002' , 'Joe': '003'} print(my_dict.keys()) print(my_dict.values()) print(my_dict.get('Dave'))

      輸出:

      dict_keys(['Dave','Ava','Joe']) dict_values(['001','002','003']) 001

      通過for循環,您可以通過迭代字典的鍵/值對輕松地對其進行訪問。例如:

      my_dict={'Dave' : '001' , 'Ava': '002' , 'Joe': '003'} print("All keys") for x in my_dict: print(x) #prints the keys print("All values") for x in my_dict.values(): print(x) #prints values print("All keys and values") for x,y in my_dict.items(): print(x, ":" , y) #prints keys and values

      輸出:

      所有按鍵

      戴夫·

      阿瓦

      Python中的哈希表和哈希圖:它們是什么以及如何實現?

      的所有值

      001

      002

      003

      所有鍵和值

      戴夫:001

      原產地:002

      喬:003

      更新值:

      詞典是可變的數據類型,因此,您可以根據需要更新它們。例如,如果我想將名為Dave的員工的ID從'001'更改為'004',并且如果我想在字典中添加另一個鍵值對,則可以執行以下操作:

      例子:

      my_dict={'Dave' : '001' , 'Ava': '002' , 'Joe': '003'} my_dict['Dave'] = '004' #Updating the value of Dave my_dict['Chris'] = '005' #adding a key-value pair print(my_dict)

      輸出:

      {'Dave':'004','Ava':'002','Joe':'003','Chris':'005'}

      從字典中刪除項目:

      有許多功能可讓您從字典中刪除項目,例如del(),pop(),popitem(),clear()等。例如:

      例子:

      my_dict={'Dave': '004', 'Ava': '002', 'Joe': '003', 'Chris': '005'} del my_dict['Dave'] #removes key-value pair of 'Dave' my_dict.pop('Ava') #removes the value of 'Ava' my_dict.popitem() #removes the last inserted item print(my_dict)

      輸出:

      {'Joe':'003'}

      上面的輸出顯示使用各種功能從字典中刪除了除“ Joe:003”以外的所有元素。

      將Dictionary轉換為數據框:

      如您先前所見,我創建了一個嵌套的字典,其中包含員工姓名及其映射的詳細信息。現在,為了使表更清晰,我將使用pandas庫,以便將所有內容都放置為數據框。

      例子:

      import pandas as pd emp_details = {'Employee': {'Dave': {'ID': '001', 'Salary': 2000, 'Designation':'Python Developer'}, 'Ava': {'ID':'002', 'Salary': 2300, 'Designation': 'Java Developer'}, 'Joe': {'ID': '003', 'Salary': 1843, 'Designation': 'Hadoop Developer'}}} df=pd.DataFrame(emp_details['Employee']) print(df)

      輸出:

      我希望您對本教程中與您共享的所有內容一清二楚。這使我們結束了關于Python中的哈希表和Haspmaps的文章的結尾。?確保盡可能多地練習并恢復經驗。

      Python

      版權聲明:本文內容由網絡用戶投稿,版權歸原作者所有,本站不擁有其著作權,亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容,請聯系我們jiasou666@gmail.com 處理,核實后本網站將在24小時內刪除侵權內容。

      版權聲明:本文內容由網絡用戶投稿,版權歸原作者所有,本站不擁有其著作權,亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容,請聯系我們jiasou666@gmail.com 處理,核實后本網站將在24小時內刪除侵權內容。

      上一篇:水泥行業是如何實現銷售數據實時分析的
      下一篇:Excel中2010版進行多行數據變成一列并排序的操作技巧(excel把多行數據排成一列)
      相關文章
      亚洲色图古典武侠| 亚洲AV无码乱码国产麻豆| 亚洲综合在线视频| 亚洲精品无码久久一线| 中文字幕亚洲专区| 亚洲日韩中文字幕日韩在线| 亚洲国产精品成人网址天堂| 日产国产精品亚洲系列| 国产亚洲成在线播放va| 亚洲av成人无码网站…| 日本中文一区二区三区亚洲| 亚洲精品乱码久久久久久不卡| 亚洲第一成人影院| 亚洲一级特黄大片在线观看 | 一区二区三区亚洲视频| 内射无码专区久久亚洲| 亚洲av区一区二区三| 亚洲精品无码99在线观看| 亚洲国产成人VA在线观看| 精品国产人成亚洲区| 亚洲精品卡2卡3卡4卡5卡区| 久久久久久久综合日本亚洲| 亚洲av丰满熟妇在线播放| 亚洲黄色在线电影| 亚洲国产成AV人天堂无码| 久久亚洲精品国产精品婷婷| 亚洲爆乳AAA无码专区| 亚洲成a人片在线播放| 区久久AAA片69亚洲| 亚洲爆乳无码专区| 666精品国产精品亚洲| 亚洲日韩乱码久久久久久| 亚洲综合一区国产精品| 久久亚洲AV成人无码国产最大| 亚洲精品无码久久久久AV麻豆| 久久影院亚洲一区| 亚洲AV无码成人专区片在线观看| 麻豆亚洲av熟女国产一区二| 亚洲最大福利视频| 亚洲av日韩av欧v在线天堂| 国产亚洲综合成人91精品 |