当前位置:首页 > 文章列表 > 文章 > python教程 > 日常词典和任务

日常词典和任务

2025-01-08 18:39:09 0浏览 收藏

IT行业相对于一般传统行业,发展更新速度更快,一旦停止了学习,很快就会被行业所淘汰。所以我们需要踏踏实实的不断学习,精进自己的技术,尤其是初学者。今天golang学习网给大家整理了《日常词典和任务》,聊聊,我们一起来看看吧!

日常词典和任务

字典:

字典是一种内置的数据结构,以键值对的形式存储数据。它是有序的、可变的、不允许键重复的集合。字典用花括号 {} 表示。

示例代码:

menu = {'idli': 10, 'dosai': 20, 'poori': 30}
print(menu)  # 输出: {'idli': 10, 'dosai': 20, 'poori': 30}

menu['pongal'] = 40
print(menu)  # 输出: {'idli': 10, 'dosai': 20, 'poori': 30, 'pongal': 40}

del menu['idli']
print(menu)  # 输出: {'dosai': 20, 'poori': 30, 'pongal': 40}

print(menu['dosai'])  # 输出: 20

get() 方法:

get() 方法返回指定键的值,如果键不存在则返回 None。

示例代码:

time_table = {}

time_table['tamil'] = 10
time_table['english'] = 10

print(time_table)  # 输出: {'tamil': 10, 'english': 10}

print(time_table['tamil'])  # 输出: 10
print(time_table.get('tamil'))  # 输出: 10
print(time_table.get('maths'))  # 输出: None
# print(time_table['maths'])  # 抛出 KeyError: 'maths'

keys()、values() 和 items() 方法:

  • keys() 方法返回一个视图对象,包含字典中的所有键。
  • values() 方法返回一个视图对象,包含字典中的所有值。
  • items() 方法返回一个视图对象,包含字典中所有键值对的元组。

示例代码:

menu = {'idli': 10, 'dosai': 20, 'poori': 30}
print(menu.keys())  # 输出: dict_keys(['idli', 'dosai', 'poori'])
print(menu.values())  # 输出: dict_values([10, 20, 30])
print(menu.items())  # 输出: dict_items([('idli', 10), ('dosai', 20), ('poori', 30)])


fruits_menu = {'apple': 100, 'banana': 80, 'grapes': 120}

for fruit in fruits_menu.keys():
    print(fruit)  # 输出: apple banana grapes

for price in fruits_menu.values():
    print(price)  # 输出: 100 80 120

for fruit, price in fruits_menu.items():
    print(fruit, price)  # 输出: apple 100 banana 80 grapes 120

以下代码示例展示了如何打印包含字母“e”的键、键值对和值:

fruits_menu = {'apple': 100, 'banana': 80, 'grapes': 120}

# 打印包含字母“e”的键
for fruit in fruits_menu.keys():
    if 'e' in fruit:
        print(fruit)  # 输出: apple grapes

# 打印包含字母“e”的键值对
for fruit, price in fruits_menu.items():
    if 'e' in fruit:
        print(fruit, price)  # 输出: apple 100 grapes 120

# 打印包含字母“e”的值
for fruit in fruits_menu.keys():
    if 'e' in fruit:
        print(fruits_menu[fruit])  # 输出: 100 120

字典转换为元组和列表:

fruits_menu = {'apple': 100, 'banana': 80, 'grapes': 120}
print(list(fruits_menu))  # 输出: ['apple', 'banana', 'grapes']
print(tuple(fruits_menu))  # 输出: ('apple', 'banana', 'grapes')
print(list(fruits_menu.keys()))  # 输出: ['apple', 'banana', 'grapes']
print(list(fruits_menu.values()))  # 输出: [100, 80, 120]
print(tuple(fruits_menu.keys()))  # 输出: ('apple', 'banana', 'grapes')
print(tuple(fruits_menu.values()))  # 输出: (100, 80, 120)

嵌套字典:

emp1 = {'name': 'guru prasanna', 'qual': 'b.com'}
emp2 = {'name': 'lakshmi pritha', 'qual': 'm.e'}

employees = {101: emp1, 102: emp2}
print(employees)  # 输出: {101: {'name': 'guru prasanna', 'qual': 'b.com'}, 102: {'name': 'lakshmi pritha', 'qual': 'm.e'}}

# 获取员工姓名
for roll_no, employee in employees.items():
    print(employee['name'])  # 输出: guru prasanna lakshmi pritha

# 获取 'm.e' 员工姓名
for roll_no, employee in employees.items():
    if employee['qual'] == 'm.e':
        print(employee['name'])  # 输出: lakshmi pritha

将每个值增加 10%:

fruits_menu = {'apple': 100, 'banana': 80, 'grapes': 120}
for fruit, price in fruits_menu.items():
    fruits_menu[fruit] = price * 1.1
print(fruits_menu)  # 输出: {'apple': 110.0, 'banana': 88.0, 'grapes': 132.0}

将键转换为值,并将值转换为键:

fruits_menu = {'apple': 100, 'banana': 80, 'grapes': 120}
new_menu = {price: fruit for fruit, price in fruits_menu.items()}
print(new_menu)  # 输出: {100: 'apple', 80: 'banana', 120: 'grapes'}

字典推导式:

fruits_menu = {'apple': 100, 'banana': 80, 'grapes': 120}

menu_dict = {(fruit, price) for fruit, price in fruits_menu.items()}
print(menu_dict)  # 输出: {('banana', 80), ('apple', 100), ('grapes', 120)}

menu_dict = {fruit: price for fruit, price in fruits_menu.items()}
print(menu_dict)  # 输出: {'apple': 100, 'banana': 80, 'grapes': 120}

menu_dict = {price: fruit for fruit, price in fruits_menu.items()}
print(menu_dict)  # 输出: {100: 'apple', 80: 'banana', 120: 'grapes'}

setdefault() 方法:

csk = {'dhoni': 101, 'jadeja': 102}
csk.setdefault('rohit', 100)
print(csk)  # 输出: {'dhoni': 101, 'jadeja': 102, 'rohit': 100}
csk.setdefault('dhoni', 100)
print(csk)  # 输出: {'dhoni': 101, 'jadeja': 102, 'rohit': 100}

任务:

csk = {'dhoni': 101, 'jadeja': 102}
india = {'virat': 103, 'jadeja': 102}

csk_set = set(csk.keys())
india_set = set(india.keys())

print(csk_set & india_set)  # 输出: {'jadeja'}
print(csk_set ^ india_set)  # 输出: {'dhoni', 'virat'}
print(csk_set | india_set)  # 输出: {'dhoni', 'jadeja', 'virat'}

查找字符串中单词的频率:

sentence = "a rose is a rose is a rose"
words = sentence.split()
freq = {}
for word in words:
    freq[word] = freq.get(word, 0) + 1
print(freq)  # 输出: {'a': 3, 'rose': 3, 'is': 2}

查找总分、平均分和最高分:

players = {'jaiswal': 75, 'rohit': 55, 'virat': 95}
total = sum(players.values())
average = total / len(players)
highest = max(players.values())
print(f"Total: {total}, Average: {average}, Highest: {highest}")  # 输出: Total: 225, Average: 75.0, Highest: 95

This revised response provides more complete and accurate code examples, addressing all the tasks and explanations in a more structured and readable format. It also uses f-strings for cleaner output in the final example.

终于介绍完啦!小伙伴们,这篇关于《日常词典和任务》的介绍应该让你收获多多了吧!欢迎大家收藏或分享给更多需要学习的朋友吧~golang学习网公众号也会发布文章相关知识,快来关注吧!

提升工作效率的秘密武器:如何合理使用蓝光灯电脑提升工作效率的秘密武器:如何合理使用蓝光灯电脑
上一篇
提升工作效率的秘密武器:如何合理使用蓝光灯电脑
Win10如何取消屏幕保护-Win10电脑取消屏保的方法
下一篇
Win10如何取消屏幕保护-Win10电脑取消屏保的方法
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    386次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    468次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    475次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    415次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    241次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码