详解Python 字典、映射和散列表

下面是Python 字典、映射和散列表的完整攻略。

Python字典

Python中的字典是一种无序的键值对数据结构，也称为哈希表或关联数组。它们非常适合存储和快速访问大量的相关数据。

创建字典

下面是创建Python字典的几种方法：

# 空字典
d = {}

# 直接通过键值对创建字典
d = {'apple': 2, 'banana': 3, 'pear': 4}

# 通过dict()函数创建字典
d = dict(apple=2, banana=3, pear=4)

# 通过列表和zip()函数创建字典
keys = ['apple', 'banana', 'pear']
values = [2, 3, 4]
d = dict(zip(keys, values))

print(d)    # {'apple': 2, 'banana': 3, 'pear': 4}

访问字典元素

可以使用方括号（[]）来访问字典中的值，需要在括号中指定键名：

d = {'apple': 2, 'banana': 3, 'pear': 4}

print(d['apple'])   # 2

也可以使用get()方法来访问字典中的值。如果指定的键名不存在，则返回None或用户指定的默认值：

d = {'apple': 2, 'banana': 3, 'pear': 4}

print(d.get('apple', 0))    # 2
print(d.get('orange', 0))   # 0

更新字典

可以使用方括号或update方法来更新字典中的值：

d = {'apple': 2, 'banana': 3, 'pear': 4}

# 使用方括号更新值
d['apple'] = 5

# 使用update()方法更新值
d.update({'banana': 6})

print(d)    # {'apple': 5, 'banana': 6, 'pear': 4}

删除字典元素

可以使用del关键字来删除字典中的元素：

d = {'apple': 2, 'banana': 3, 'pear': 4}

del d['apple']

print(d)    # {'banana': 3, 'pear': 4}

Python映射

Python中的映射是一种通用的键值对数据结构，字典是其中的一种实现。除了字典，Python还支持OrderedDict、Counter和defaultdict等映射类型的实现。

Python散列表

Python中的散列表实际上就是字典类型，它使用哈希函数将键映射到散列表中的一个位置，并将其与值关联。由于哈希函数的优秀性和底层实现机制的巧妙性，散列表可以在常数时间内完成许多基本操作，例如插入、查询和删除等。

示例

下面是一个使用Python字典实现缓存的示例：

class Cache:
    def __init__(self, capacity):
        self.capacity = capacity
        self.cache = {}

    def get(self, key):
        if key not in self.cache:
            return -1

        value = self.cache.pop(key)
        self.cache[key] = value

        return value

    def put(self, key, value):
        if key in self.cache:
            self.cache.pop(key)

        elif len(self.cache) >= self.capacity:
            self.cache.pop(next(iter(self.cache)))

        self.cache[key] = value

这个类表示一个容量为N的缓存，可以进行get和put操作。当缓存满时，会删除掉最近最少使用的元素。这里使用Python字典实现，可以在常数时间内完成get和put操作。

另一个示例是使用Python字典和列表实现一个图的存储和遍历：

class Graph:
    def __init__(self):
        self.graph = {}

    def add_edge(self, u, v):
        if u not in self.graph:
            self.graph[u] = []

        if v not in self.graph:
            self.graph[v] = []

        self.graph[u].append(v)
        self.graph[v].append(u)

    def dfs(self, v, visited):
        visited.add(v)

        print(v)

        for neighbor in self.graph[v]:
            if neighbor not in visited:
                self.dfs(neighbor, visited)

    def bfs(self, v):
        visited = set()
        queue = [v]

        while queue:
            v = queue.pop(0)

            if v not in visited:
                visited.add(v)
                print(v)

                for neighbor in self.graph[v]:
                    queue.append(neighbor)

这个类表示一个无向图，使用Python字典和列表实现其邻接表存储，可以进行深度优先和广度优先遍历。