python基础入门：3.2字典（Dict）与集合（Set）

Python高效数据管理：字典与集合深度剖析

python"># 快速导航
config = {"数据结构": "字典", "特性": ["键值对", "快速查找"]}
unique_nums = {1, 2, 3, 5, 8}  # 集合自动去重

一、字典核心操作全解

1. 键值对基础操作

python"># 创建与修改
user = {"name": "Alice", "age": 28}
user["email"] = "alice@example.com"  # 添加新键
user["age"] = 29                    # 修改值# 安全访问方法
print(user.get("phone", "N/A"))      # 输出N/A而非报错
print(user.setdefault("role", "user"))  # 设置默认值# 删除操作对比
del user["email"]                    # 直接删除
age = user.pop("age")                # 弹出并返回值
user.clear()                         # 清空字典

2. 高级操作方法

python"># 合并字典的三种方式
defaults = {"theme": "dark", "notifications": True}
custom = {"theme": "light"}# 方法1：update()
settings = defaults.copy()
settings.update(custom)# 方法2：字典解包（Python 3.9+）
merged = defaults | custom# 方法3：字典推导式
merged = {k: v for d in [defaults, custom] for k, v in d.items()}

字典操作性能对比：

操作	平均时间复杂度
查找元素	O(1)
插入元素	O(1)
删除元素	O(1)
遍历所有元素	O(n)

二、集合运算实战应用

1. 基础集合运算

python">A = {1, 2, 3, 4}
B = {3, 4, 5, 6}print(A | B)   # 并集 {1,2,3,4,5,6}
print(A & B)   # 交集 {3,4}
print(A - B)   # 差集 {1,2}
print(A ^ B)   # 对称差集 {1,2,5,6}

2. 实际应用场景

python"># 用户标签系统
user1_tags = {"python", "data", "ml"}
user2_tags = {"java", "data", "web"}# 寻找共同兴趣
common_tags = user1_tags & user2_tags# 推荐系统应用
recommended_tags = (user1_tags | user2_tags) - common_tags

3. 性能优化技巧

python"># 快速去重示例
duplicates = [2,5,2,8,5,1,8,8]
unique = list(set(duplicates))  # [1,2,5,8]# 超大数据集处理（10亿元素）
def process_big_data():seen = set()with open('bigdata.txt') as f:for line in f:element = line.strip()if element not in seen:seen.add(element)yield element

三、字典推导式与哈希原理

1. 字典推导式进阶

python"># 基本形式
squares = {x: x**2 for x in range(5)}  # {0:0, 1:1, 2:4, ...}# 条件筛选
students = {"Alice": 89, "Bob": 62, "Charlie": 93}
passed = {name: score for name, score in students.items() if score >= 70}# 键值反转
reverse_dict = {v: k for k, v in students.items()}

2. 哈希表原理浅析

python"># 哈希函数演示示例
def simple_hash(key, table_size):return sum(ord(c) for c in str(key)) % table_sizeprint(simple_hash("apple", 10))  # 输出哈希值位置

哈希表核心机制：

哈希函数将键转换为整数
通过取模运算确定存储位置
处理哈希冲突（开放寻址法/链地址法）
动态扩容机制（当负载因子 > 2/3时扩容）

四、最佳实践与性能指南

数据结构选择原则：
- 需要键值关联 → 字典
- 需要快速存在性检测 → 集合
- 需要有序存储 → Python 3.7+ 字典保持插入顺序
- 需要数学运算 → 集合
内存优化方案：

python"># 使用__slots__优化字典空间
class OptimizedUser:__slots__ = ('name', 'age')  # 替代实例字典def __init__(self, name, age):self.name = nameself.age = age

性能对比测试：

python">import timeit# 集合 vs 列表的成员检测
list_test = list(range(1000000))
set_test = set(list_test)print("列表查询:", timeit.timeit('999999 in list_test', number=100, globals=globals()))
print("集合查询:", timeit.timeit('999999 in set_test', number=100, globals=globals()))