Kelebihan utama DefaultDict adalah bahawa ia tidak akan melaporkan ralat apabila mengakses kekunci yang tidak wujud, tetapi secara automatik akan menghasilkan nilai lalai. 1. Gunakan DefaultDict (INT) untuk secara automatik memulakan nilai kekunci baru kepada 0, yang sesuai untuk mengira bilangan elemen; 2. Gunakan DefaultDict (senarai) untuk membuat senarai kosong untuk kunci baru, yang mudah untuk mengumpulkan data; 3. Gunakan DefaultDict (set) untuk secara automatik deduplicate, yang sesuai untuk membina struktur graf; 4. Anda boleh lulus dalam objek Custom Callable sebagai kilang lalai, seperti lambda atau fungsi, untuk mencapai permulaan yang fleksibel. Berbanding dengan kamus biasa, adalah perlu untuk menentukan secara manual sama ada kunci wujud atau menggunakan kaedah GET. DefaultDict ditulis lebih ringkas dan cekap, terutamanya dalam senario pengumpulan data, menghitung dan grafik pembinaan. Walau bagaimanapun, perlu diperhatikan bahawa ia tidak sesuai untuk senario di mana kawalan tepat untuk permulaan utama atau melibatkan siri. Kesimpulan akhir adalah bahawa DefaultDict sangat praktikal dalam pemprosesan data dan dapat meningkatkan kebolehbacaan kod dengan ketara.
defaultdict
adalah kelas yang sangat praktikal dalam modul collections
Python. Ia mewarisi dari dict
. Kelebihan utama ialah apabila mengakses kekunci yang tidak wujud, tidak akan ada kesilapan, tetapi nilai jenis lalai akan dibuat secara automatik . Ini amat mudah dalam mengendalikan kumpulan, menghitung dan senario lain.

Berikut adalah beberapa contoh biasa untuk menggambarkan penggunaan defaultdict
.
1. Gunakan defaultdict
untuk mengira bilangan elemen untuk muncul (ganti dict.get()
)
dari koleksi Import DefaultDict perkataan = ['epal', 'pisang', 'epal', 'oren', 'pisang', 'epal'] # Gunakan DefaultDict untuk memulakan nilai lalai setiap kekunci ke 0 word_count = defaultDict (int) untuk perkataan dalam kata -kata: word_count [word] = 1 cetak (word_count) # Output: DefaultDict (<class 'int'>, {'apple': 3, 'bisana': 2, 'oren': 1})
? Dalam
defaultdict(int)
int()
pulangan 0 secara lalai, jadi nilai awal kekunci yang tidak muncul ialah 0.
2. Gunakan defaultdict(list)
ke data kumpulan
dari koleksi Import DefaultDict pasangan = [('a', 1), ('b', 2), ('a', 3), ('b', 4), ('c', 5)] # Kumpulan mengikut elemen pertama dan kumpulkan kumpulan elemen kedua yang sepadan = defaultDict (senarai) Untuk kunci, nilai berpasangan: dikumpulkan [kunci] .append (nilai) Cetak (dikelompokkan) # Output: defaultDict (<class 'list'>, {'a': [1, 3], 'b': [2, 4], 'c': [5]})
?
defaultdict(list)
secara automatik akan membuat senarai kosong[]
untuk setiap kunci baru, mengelakkan penghakiman manual sama ada kunci wujud.
3. Gunakan defaultdict(set)
untuk menguraikan dan kumpulan
dari koleksi Import DefaultDict tepi = [('a', 1), ('b', 2), ('a', 1), ('a', 3), ('b', 2)] # Gunakan Tetapkan Untuk Mengelakkan Nilai Duplikat Grafik = DefaultDict (set) Untuk nod, jiran di tepi: Grafik [Node] .Add (jiran) Cetak (graf) # Output: defaultDict (<class 'set'>, {'a': {1, 3}, 'b': {2}})
?
set
secara automatik boleh deduplikasi, yang sesuai untuk membina struktur seperti graf yang tidak diarahkan dan jadual adjacency.
4. Sesuaikan nilai lalai (seperti mengembalikan senarai lalai atau rentetan)
dari koleksi Import DefaultDict # Fungsi Kilang Custom DEF Default_Value (): kembali "tidak ditetapkan" user_info = defaultDict (default_value) user_info ['name'] = 'Alice' cetak (user_info ['name']) # output: Alice cetak (user_info ['usia']) # output: tidak ditetapkan (tiada laporan ralat)
? Anda boleh lulus di mana -mana "tiada objek boleh dipanggil parameter" sebagai kilang lalai, seperti
lambda: 'unknown'
.
Ringkasan: Jenis defaultdict
yang biasa digunakan
Jenis | nilai lalai | gunakan |
---|---|---|
defaultdict(int) | 0 | Kiraan, statistik |
defaultdict(list) | [] | Kumpulan, mengumpul |
defaultdict(set) | set() | Kumpulan deduplikasi |
defaultdict(str) | '' | Splicing String (kurang digunakan) |
defaultdict(lambda: 'default') | Sesuaikan | Inisialisasi fleksibel |
Membandingkan kaedah penulisan kamus biasa (menonjolkan kelebihan)
# Penulisan Dict Biasa (rumit) d = {} untuk perkataan dalam kata -kata: Sekiranya perkataan tidak dalam d: D [Word] = 0 D [Word] = 1 # atau gunakan mendapatkan D [Word] = D.get (Word, 0) 1 # Penulisan DefaultDict (ringkas) DD = DefaultDict (int) untuk perkataan dalam kata -kata: DD [Word] = 1
?
defaultdict
menjadikan kod lebih ringkas dan mudah dibaca, mengurangkan logik penghakiman.
Pada dasarnya kegunaan biasa ini. defaultdict
tidak maha kuasa (contohnya, berhati -hati apabila bersiri), tetapi sangat praktikal dalam pemprosesan data. Jika anda menggunakannya terlalu banyak, anda akan mendapati bahawa ia adalah lebih menyegarkan daripada dict.setdefault()
atau penghakiman yang kerap in
.
Atas ialah kandungan terperinci Contoh DefaultDict Koleksi Python. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undress AI Tool
Gambar buka pakaian secara percuma

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Clothoff.io
Penyingkiran pakaian AI

Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas

Polimorfisme adalah konsep teras dalam pengaturcaraan berorientasikan objek Python, merujuk kepada "satu antara muka, pelbagai pelaksanaan", yang membolehkan pemprosesan bersatu pelbagai jenis objek. 1. Polimorfisme dilaksanakan melalui penulisan semula kaedah. Subkelas boleh mentakrifkan semula kaedah kelas induk. Sebagai contoh, kaedah bercakap () kelas haiwan mempunyai pelaksanaan yang berbeza dalam subkelas anjing dan kucing. 2. Penggunaan praktikal polimorfisme termasuk memudahkan struktur kod dan meningkatkan skalabilitas, seperti memanggil kaedah cabutan () secara seragam dalam program lukisan grafik, atau mengendalikan tingkah laku umum watak -watak yang berbeza dalam pembangunan permainan. 3. Polimorfisme pelaksanaan Python perlu memenuhi: Kelas induk mentakrifkan kaedah, dan kelas kanak -kanak mengatasi kaedah, tetapi tidak memerlukan warisan kelas induk yang sama. Selagi objek melaksanakan kaedah yang sama, ini dipanggil "jenis itik". 4. Perkara yang perlu diperhatikan termasuk penyelenggaraan

Parameter adalah ruang letak apabila menentukan fungsi, sementara argumen adalah nilai khusus yang diluluskan ketika memanggil. 1. Parameter kedudukan perlu diluluskan, dan perintah yang salah akan membawa kepada kesilapan dalam hasilnya; 2. Parameter kata kunci ditentukan oleh nama parameter, yang boleh mengubah pesanan dan meningkatkan kebolehbacaan; 3. Nilai parameter lalai diberikan apabila ditakrifkan untuk mengelakkan kod pendua, tetapi objek berubah harus dielakkan sebagai nilai lalai; 4 Args dan *kwargs boleh mengendalikan bilangan parameter yang tidak pasti dan sesuai untuk antara muka umum atau penghias, tetapi harus digunakan dengan berhati -hati untuk mengekalkan kebolehbacaan.

Iterator adalah objek yang melaksanakan kaedah __iter __ () dan __Next __ (). Penjana adalah versi Iterator yang dipermudahkan, yang secara automatik melaksanakan kaedah ini melalui kata kunci hasil. 1. Iterator mengembalikan elemen setiap kali dia memanggil seterusnya () dan melemparkan pengecualian berhenti apabila tidak ada lagi elemen. 2. Penjana menggunakan definisi fungsi untuk menghasilkan data atas permintaan, menjimatkan memori dan menyokong urutan tak terhingga. 3. Menggunakan Iterator apabila memproses set sedia ada, gunakan penjana apabila menghasilkan data besar secara dinamik atau penilaian malas, seperti garis pemuatan mengikut baris apabila membaca fail besar. NOTA: Objek yang boleh diperolehi seperti senarai bukanlah pengaliran. Mereka perlu dicipta semula selepas pemalar itu sampai ke penghujungnya, dan penjana hanya boleh melintasi sekali.

Kaedah kelas adalah kaedah yang ditakrifkan dalam python melalui penghias @classmethod. Parameter pertamanya adalah kelas itu sendiri (CLS), yang digunakan untuk mengakses atau mengubah keadaan kelas. Ia boleh dipanggil melalui kelas atau contoh, yang mempengaruhi seluruh kelas dan bukannya contoh tertentu; Sebagai contoh, dalam kelas orang, kaedah show_count () mengira bilangan objek yang dibuat; Apabila menentukan kaedah kelas, anda perlu menggunakan penghias @classmethod dan namakan parameter pertama CLS, seperti kaedah change_var (new_value) untuk mengubah suai pembolehubah kelas; Kaedah kelas adalah berbeza daripada kaedah contoh (parameter diri) dan kaedah statik (tiada parameter automatik), dan sesuai untuk kaedah kilang, pembina alternatif, dan pengurusan pembolehubah kelas. Kegunaan biasa termasuk:

Kunci untuk menangani pengesahan API adalah untuk memahami dan menggunakan kaedah pengesahan dengan betul. 1. Apikey adalah kaedah pengesahan yang paling mudah, biasanya diletakkan dalam tajuk permintaan atau parameter URL; 2. BasicAuth menggunakan nama pengguna dan kata laluan untuk penghantaran pengekodan Base64, yang sesuai untuk sistem dalaman; 3. OAuth2 perlu mendapatkan token terlebih dahulu melalui client_id dan client_secret, dan kemudian bawa bearertoken dalam header permintaan; 4. Untuk menangani tamat tempoh token, kelas pengurusan token boleh dikemas dan secara automatik menyegarkan token; Singkatnya, memilih kaedah yang sesuai mengikut dokumen dan menyimpan maklumat utama adalah kunci.

MagicMethods Python (atau kaedah dunder) adalah kaedah khas yang digunakan untuk menentukan tingkah laku objek, yang bermula dan berakhir dengan garis bawah dua. 1. Mereka membolehkan objek bertindak balas terhadap operasi terbina dalam, seperti tambahan, perbandingan, perwakilan rentetan, dan sebagainya; 2. Kes penggunaan biasa termasuk inisialisasi objek dan perwakilan (__init__, __repr__, __str__), operasi aritmetik (__add__, __sub__, __mul__) dan operasi perbandingan (__eq__, ___lt__); 3. Apabila menggunakannya, pastikan tingkah laku mereka memenuhi jangkaan. Sebagai contoh, __repr__ harus mengembalikan ungkapan objek refortable, dan kaedah aritmetik harus mengembalikan contoh baru; 4. Perkara yang berlebihan atau mengelirukan harus dielakkan.

Pythonmanagesmemoryautomatically leverenceCountingandagarbageCollector.referenceCountingTrackShowmanyvariablesreferoanobject, dan yang mana -mana, dan yang mana -mana

Mekanisme pengumpulan sampah Python secara automatik menguruskan memori melalui pengiraan rujukan dan pengumpulan sampah berkala. Kaedah terasnya adalah penghitungan rujukan, yang segera melepaskan memori apabila bilangan rujukan objek adalah sifar; Tetapi ia tidak dapat mengendalikan rujukan bulat, jadi modul pengumpulan sampah (GC) diperkenalkan untuk mengesan dan membersihkan gelung. Pengumpulan sampah biasanya dicetuskan apabila kiraan rujukan berkurangan semasa operasi program, perbezaan peruntukan dan pelepasan melebihi ambang, atau apabila gc.collect () dipanggil secara manual. Pengguna boleh mematikan kitar semula automatik melalui gc.disable (), secara manual melaksanakan gc.collect (), dan menyesuaikan ambang untuk mencapai kawalan melalui gc.set_threshold (). Tidak semua objek mengambil bahagian dalam kitar semula gelung. Sekiranya objek yang tidak mengandungi rujukan diproses dengan mengira rujukan, ia terbina dalam
