橡皮擦，一個逗趣的互聯網高級網蟲，新的系列，讓我們一起 Be More Pythonic，

二、字典與集合那些事兒

字典和集合為何總要放在一起，說來也巧，就是因為它們都用大括號 {} 包裹，

2.1 字典和集合那些基礎操作

2.1.1 先說字典

字典是由鍵值對組成的，鍵為 Key，值為 Value，標記一下，在 Python3.6 之前字典是無需的，長度大小可變，元素也可以任意的洗掉和改變，在 Python 3.7 之后，字典有序了，

為了測驗字典的無序性，我專門在 Python 線上環境進行了測驗，代碼如下：

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)

運行結果也證明了無序性，

在本地 Python 3.8 版本測驗，沒有出現亂序的情況，

所以再有人問 Python 里面的字典有沒有順序呀，不要直接回答無序了，這玩意現在有順序，

字典這種鍵值對結構，相較于串列與元組更加適合添加元素、洗掉元素、查找元素等操作，

字典的創建不在細說，滾雪球第一遍學習的時候，已經涉及了，需要注意的是索引鍵的時候，如果鍵不存在，會出現 KeyError 錯誤，該錯誤屬于極其常見錯誤，

my_dict = {}
my_dict["A"] = "A"
my_dict["B"] = "B"
my_dict["C"] = "C"
my_dict["D"] = "D"

print(my_dict["F"])

錯誤提示如下：

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

如果你不希望此例外出現，在索引鍵的時候使用 get(key,default) 函式即可，

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

2.1.2 再聊集合

集合和字典基本結構相同，最大的區別是集合沒有鍵值對，它是一系列無序且唯一的元素組合，
集合不支持索引操作，也就是說下面的代碼肯定是會報錯的，

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

例外提示為型別錯誤：TypeError: 'set' object is not subscriptable，

其余重點記憶的就是集合經常用在去重操作上，掌握即可，

2.2 字典與集合的排序

基本操作依舊不在過多解釋，需要的可以去第一遍滾雪球學習，這里強調一下排序函式，因為涉及了一些擴展知識點，可以先接觸一下，后面對于部分內容還會細講，

學習之前，你要記住，對集合進行 pop 操作，得到的元素是不確定的，因為集合無序，具體你可以測驗如下代碼：

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

如果希望對字典排序，按照咱們已知的技術，可以這樣進行，
以下內容為 Python3.6 版本以下運行結果，

直接使用 sorted 函式即可對字典排序，排序的時候，還可以指定按照鍵或者值進行排序，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)

輸出結果如下，得到的結果是按照字典的值進行排序的，這里需要注意的是 lambda 匿名函式在后續的課程將逐步展開

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

集合排序無特別說明，直接使用 sorted 函式即可，

2.3 字典與集合的效率問題

字典與集合的效率問題，主要對比的物件是串列，假設現在有一堆學號和體重的資料，咱們需要判斷出不同體重數的學生人數，
需求描述如下：
有 4 個學生，按照學號排序形成的元組為 (1,90)，(2,90)，(3,60)，(4,100)，最終的結果輸出 3（存在三個不同的體重）
按照需求撰寫代碼如下：
串列寫法

def find_unique_weight(students):
    # 宣告一個統計串列
    unique_list = []
    # 回圈所有學生資料
    for id, weight in students:
        # 如果體重沒有在統計串列中
        if weight not in unique_list:
            # 新增體重資料
            unique_list.append(weight)
    # 計算串列長度
    ret = len(unique_list)
    return ret

students = [
    (1, 90),
    (2, 90),
    (3, 60),
    (4, 100)
]
print(find_unique_weight(students))

接下來上述代碼修改為集合寫法

def find_unique_weight(students):
    # 宣告一個統計集合
    unique_set = set()
    # 回圈所有學生資料
    for id, weight in students:
        # 集合會自動過濾重復資料
        unique_set.add(weight)
    # 計算集合長度
    ret = len(unique_set)
    return ret

代碼寫完之后，并未發現有太大的差異，但是如果把資料擴大到更大的兩集，例如上萬資料，
以下代碼時間計算函式應用的是 time.perf_counter() 該函式第一次呼叫時，從計算機系統里隨機選一個時間點 A，計算其距離當前時間點 B1 有多少秒，當第二次呼叫該函式時，默認從第一次呼叫的時間點 A 算起，距離當前時間點 B2 有多少秒，兩個函式取差，即實作從時間點 B1 到 B2 的計時功能，首先結合串列計算的函式，運行下述代碼

import time
id = [x for x in range(1, 10000)]
# 體重資料為了計算，也只能從 1 到 10000 了
weight = [x for x in range(1, 10000)]
students = list(zip(id, weight))

start_time = time.perf_counter()
# 呼叫串列計算函式
find_unique_weight(students)
end_time = time.perf_counter()
print("運算時間為：{}".format(end_time - start_time))

運行時間為 1.7326523，每臺電腦運行速度不一致，具體看差異，
修改上述代碼運行到集合撰寫的函式上，最終得到的結果為 0.0030606，可以看到在 10000 條資料的量級下就已經產生了如此大的差異，如果數量級在進行上升，差異會再次加大，所以你了解到該用什么內容了嗎？

2.4 這篇博客的總結

這篇博客，我們對字典與集合相關的知識進行了補充，有一個知識橡皮擦依舊進行了略過，就是字典與集合的存盤原理，具體會涉及到哈希表結構相關知識，這部分對初級應用影響不大，所以暫時略過，對于字典與集合來說，如果你在撰寫程式中需要高效查找資料、去重資料，建議及時的把二者應用起來，

相關閱讀

1. Python 爬蟲 100 例教程，超棒的爬蟲教程，立即訂閱吧
2. Python 爬蟲小課，精彩 9 講

今天是持續寫作的第 93 / 100 天，
如果你想跟博主建立親密關系，可以關注同名公眾號 夢想橡皮擦，近距離接觸一個逗趣的互聯網高級網蟲，
博主 ID：夢想橡皮擦，希望大家點贊、評論、收藏，