当前位置：首页 > news >正文

五种Python中字典的高级用法

news 2025/8/22 13:19:23

1. 引言

Python中的字典是一种非常有用的数据结构，它允许大家存储键值对。通常来说，字典灵活、高效且易于使用，是Python中最常用的数据结构之一。字典通常被用于统计频率、映射值等任务，但在Python中使用字典也可以达到许多意想不到的效果。
闲话少说，我们直接开始吧！

2. 用作switch/case

在许多编程语言中，switch/case语句允许大家根据变量的值来执行不同的操作。虽然Python没有内置的switch/case语句，但是大家可以通过使用字典来实现类似的功能。
为此，我们可以定义一个字典，其中键是变量值，值是要执行的操作，样例如下：

def action_a():print("Action A")def action_b():print("Action B")def action_c():print("Action C")actions = {"A": action_a,"B": action_b,"C": action_c
}var = "A"
actions[var]()

在上述代码中，我们定义了三个函数action_a、action_b和action_c，它们对应于我们所需要执行的不同操作。接着我们定义一个名为actions的字典，将变量值映射到相应的函数。最后，我们将var的值设置为A，并使用actions[var]()来调用相应的函数。

3. 用作cache

这是一种利用缓存来存储先前函数调用的结果进而来优化昂贵函数调用的技术。我们可以使用字典在Python中实现上述功能。此时，我们可以定义一个字典，其中键是函数参数，值是函数调用结果。在调用函数之前，可以首先检查结果是否已经在字典中，如果是，则返回缓存的结果，而不是再次计算函数。
代码示例如下：

def expensive_function(arg):# Do some expensive computationreturn resultcache = {}def memoized_function(arg):if arg in cache:return cache[arg]result = expensive_function(arg)cache[arg] = resultreturn result

在上述代码中，我们定义了一个expensive_function，它接受一个参数并进行一些耗时的计算，同时我们通过定义了一个名为cache的字典，用于存储以前函数调用的结果。最后，我们定义了一个函数memorized_function，它首先检查参数是否已经在缓存中，如果已经存在，则直接返回缓存的结果，否则计算函数并将结果存储在缓存中。

4. 用作稀疏矩阵

稀疏矩阵是大多数元素为零的矩阵。由于在矩阵中存储所有零的元素是浪费空间的，因此可以使用字典来只存储非零元素。在这种技巧中，键是矩阵索引的元组，值是非零矩阵元素。

sparse_matrix = {(0, 0): 1,(1, 2): 3,(2, 1): 5,
}

在本例中，我们使用字典来定义稀疏矩阵。这里非零元素为(0，0)、(1，2)和(2，1)，其对应值分别为1、3和5。

5. 数据编解码

字典也可以用于在不同格式之间编码和解码数据。例如，可以使用字典将JSON对象编码为查询字符串，或将查询字符串解码为JSON对象。

样例如下：

import urllib.parsedata = {"name": "Alice","age": 30,
}query_string = urllib.parse.urlencode(data)
# "name=Alice&age=30"decoded_data = urllib.parse.parse_qs(query_string)
# {'name': ['Alice'], 'age': ['30']}

在上述代码中，我们定义了一个名为data的字典，它表示一个JSON对象。然后，我们使用urllib.parse模块中的urlencode函数将该对象编码为查询字符串。最后，我们使用parse_qs函数将查询字符串解码回字典。

6. 用作配置文件

字典可用于存储Python程序的配置选项。我们可以使用默认值来定义字典，然后通过加载配置文件覆盖这些值。

DEFAULTS = {"host": "localhost","port": 8080,"debug": False,
}def load_config(config_file):with open(config_file) as f:config = json.load(f)return {**DEFAULTS, **config}