橡皮擦，一个逗趣的互联网高级网虫，新的系列，让我们一起 Be More Pythonic。

二、字典与集合那些事儿

字典和集合为何总要放在一起，说来也巧，就是因为它们都用大括号 {} 包裹。

2.1 字典和集合那些基础操作

2.1.1 先说字典

字典是由键值对组成的，键为 Key，值为 Value，标记一下，在 Python3.6 之前字典是无需的，长度大小可变，元素也可以任意的删除和改变，在 Python 3.7 之后，字典有序了。

为了测试字典的无序性，我专门在 Python 线上环境进行了测试，代码如下：

my_dict = {}my_dict["A"] = "A"my_dict["B"] = "B"my_dict["C"] = "C"my_dict["D"] = "D"
for key in my_dict:    print(key)

运行结果也证明了无序性。

在本地 Python 3.8 版本测试，没有出现乱序的情况。

所以再有人问 Python 里面的字典有没有顺序呀，不要直接回答无序了，这玩意现在有顺序。

字典这种键值对结构，相较于列表与元组更加适合添加元素、删除元素、查找元素等操作。

字典的创建不在细说，滚雪球第一遍学习的时候，已经涉及了，需要注意的是索引键的时候，如果键不存在，会出现 KeyError 错误，该错误属于极其常见错误。

my_dict = {}my_dict["A"] = "A"my_dict["B"] = "B"my_dict["C"] = "C"my_dict["D"] = "D"
print(my_dict["F"])

错误提示如下：

Traceback (most recent call last):  File ".\demo.py", line 7, in <module>    print(my_dict["F"])KeyError: 'F'

如果你不希望此异常出现，在索引键的时候使用 get(key,default) 函数即可。

print(my_dict.get("F","None"))

2.1.2 再聊集合

集合和字典基本结构相同，最大的区别是集合没有键值对，它是一系列无序且唯一的元素组合。

集合不支持索引操作，也就是说下面的代码肯定是会报错的。

my_set = {"A","B","C"}print(my_set[0])

异常提示为类型错误：TypeError: 'set' object is not subscriptable。

其余重点记忆的就是集合经常用在去重操作上，掌握即可。

2.2 字典与集合的排序

基本操作依旧不在过多解释，需要的可以去第一遍滚雪球学习，这里强调一下排序函数，因为涉及了一些扩展知识点，可以先接触一下，后面对于部分内容还会细讲。

学习之前，你要记住，对集合进行 pop 操作，得到的元素是不确定的，因为集合无序，具体你可以测试如下代码：

my_set = {"A","B","C"}print(my_set.pop())

如果希望对字典排序，按照咱们已知的技术，可以这样进行。

以下内容为 Python3.6 版本以下运行结果。

直接使用 sorted 函数即可对字典排序，排序的时候，还可以指定按照键或者值进行排序，例如按照字典值升序排序。

my_dict = {}my_dict["A"] = "4"my_dict["B"] = "3"my_dict["C"] = "2"my_dict["D"] = "1"sorted_dict = sorted(my_dict.items(),key=lambda x:x[1])print(sorted_dict)

输出结果如下，得到的结果是按照字典的值进行排序的，这里需要注意的是 lambda 匿名函数在后续的课程将逐步展开

[('D', '1'), ('C', '2'), ('B', '3'), ('A', '4')]

集合排序无特别说明，直接使用 sorted 函数即可。

2.3 字典与集合的效率问题

字典与集合的效率问题，主要对比的对象是列表，假设现在有一堆学号和体重的数据，咱们需要判断出不同体重数的学生人数。

需求描述如下：

有 4 个学生，按照学号排序形成的元组为 (1,90)，(2,90)，(3,60)，(4,100)，最终的结果输出 3（存在三个不同的体重）

按照需求编写代码如下：

列表写法

def find_unique_weight(students):    # 声明一个统计列表    unique_list = []    # 循环所有学生数据    for id, weight in students:        # 如果体重没有在统计列表中        if weight not in unique_list:            # 新增体重数据            unique_list.append(weight)    # 计算列表长度    ret = len(unique_list)    return ret
students = [    (1, 90),    (2, 90),    (3, 60),    (4, 100)]print(find_unique_weight(students))

接下来上述代码修改为集合写法

def find_unique_weight(students):    # 声明一个统计集合    unique_set = set()    # 循环所有学生数据    for id, weight in students:        # 集合会自动过滤重复数据        unique_set.add(weight)    # 计算集合长度    ret = len(unique_set)    return ret

代码写完之后，并未发现有太大的差异，但是如果把数据扩大到更大的两集，例如上万数据。

以下代码时间计算函数应用的是 time.perf_counter() 该函数第一次调用时，从计算机系统里随机选一个时间点 A，计算其距离当前时间点 B1 有多少秒。当第二次调用该函数时，默认从第一次调用的时间点 A 算起，距离当前时间点 B2 有多少秒。两个函数取差，即实现从时间点 B1 到 B2 的计时功能，首先结合列表计算的函数，运行下述代码

import timeid = [x for x in range(1, 10000)]# 体重数据为了计算，也只能从 1 到 10000 了weight = [x for x in range(1, 10000)]students = list(zip(id, weight))
start_time = time.perf_counter()# 调用列表计算函数find_unique_weight(students)end_time = time.perf_counter()print("运算时间为：{}".format(end_time - start_time))

运行时间为 1.7326523，每台电脑运行速度不一致，具体看差异。

修改上述代码运行到集合编写的函数上，最终得到的结果为 0.0030606，可以看到在 10000 条数据的量级下就已经产生了如此大的差异，如果数量级在进行上升，差异会再次加大，所以你了解到该用什么内容了吗？

2.4 这篇博客的总结

这篇博客，我们对字典与集合相关的知识进行了补充，有一个知识橡皮擦依旧进行了略过，就是字典与集合的存储原理，具体会涉及到哈希表结构相关知识，这部分对初级应用影响不大，所以暂时略过，对于字典与集合来说，如果你在编写程序中需要高效查找数据、去重数据，建议及时的把二者应用起来。

相关阅读

1. Python 爬虫 100 例教程，超棒的爬虫教程，立即订阅吧
   

2. Python 爬虫小课，精彩 9 讲
   

今天是持续写作的第 <font color="red">93</font> / 100 天。

如果你想跟博主建立亲密关系，可以关注同名公众号 <font color="red">梦想橡皮擦</font>，近距离接触一个逗趣的互联网高级网虫。

博主 ID：梦想橡皮擦，希望大家<font color="red">点赞</font>、<font color="red">评论</font>、<font color="red">收藏</font>。