python中OrderedDict的使用

很多人认为python中的字典是无序的,因为它是按照hash来存储的,但是python中有个模块collections(英文,收集、集合),里面自带了一个子类

OrderedDict,实现了对字典对象中元素的排序。请看下面的实例:

 1 import collections
 2 print "Regular dictionary"
 3 d={}
 4 d[‘a‘]=‘A‘
 5 d[‘b‘]=‘B‘
 6 d[‘c‘]=‘C‘
 7 for k,v in d.items():
 8     print k,v
 9
10 print "\nOrder dictionary"
11 d1 = collections.OrderedDict()
12 d1[‘a‘] = ‘A‘
13 d1[‘b‘] = ‘B‘
14 d1[‘c‘] = ‘C‘
15 d1[‘1‘] = ‘1‘
16 d1[‘2‘] = ‘2‘
17 for k,v in d1.items():
18     print k,v
19
20 输出:
21 Regular dictionary
22 a A
23 c C
24 b B
25
26 Order dictionary
27 a A
28 b B
29 c C
30 1 1
31 2 2

可以看到,同样是保存了ABC等几个元素,但是使用OrderedDict会根据放入元素的先后顺序进行排序。所以输出的值是排好序的。

OrderedDict对象的字典对象,如果其顺序不同那么Python也会把他们当做是两个不同的对象,请看事例:

 1 print ‘Regular dictionary:‘
 2 d2={}
 3 d2[‘a‘]=‘A‘
 4 d2[‘b‘]=‘B‘
 5 d2[‘c‘]=‘C‘
 6
 7 d3={}
 8 d3[‘c‘]=‘C‘
 9 d3[‘a‘]=‘A‘
10 d3[‘b‘]=‘B‘
11
12 print d2 == d3
13
14 print ‘\nOrderedDict:‘
15 d4=collections.OrderedDict()
16 d4[‘a‘]=‘A‘
17 d4[‘b‘]=‘B‘
18 d4[‘c‘]=‘C‘
19
20 d5=collections.OrderedDict()
21 d5[‘c‘]=‘C‘
22 d5[‘a‘]=‘A‘
23 d5[‘b‘]=‘B‘
24
25 print  d1==d2
26
27 输出:
28 Regular dictionary:
29 True
30
31 OrderedDict:
32 False

再看几个例子:

dd = {‘banana‘: 3, ‘apple‘:4, ‘pear‘: 1, ‘orange‘: 2}
#按key排序
kd = collections.OrderedDict(sorted(dd.items(), key=lambda t: t[0]))
print kd
#按照value排序
vd = collections.OrderedDict(sorted(dd.items(),key=lambda t:t[1]))
print vd

#输出
OrderedDict([(‘apple‘, 4), (‘banana‘, 3), (‘orange‘, 2), (‘pear‘, 1)])
OrderedDict([(‘pear‘, 1), (‘orange‘, 2), (‘banana‘, 3), (‘apple‘, 4)])
时间: 2024-12-21 03:40:30

python中OrderedDict的使用的相关文章

python中的特殊数据类型

一.python中的特殊数据类型 对于python,一切事物都是对象,对象基于类创建.像是"wangming",38,[11,12,22]均可以视为对象,并且是根据不同的类生成的对象. 参照:http://www.cnblogs.com/wupeiqi/articles/4911365.html 1.列表 如[12,12,23].['wan','fad','dfjap]等 列表具备的功能: class list(object): """ list() -&

Python中的高级数据结构(转)

add by zhj: Python中的高级数据结构 数据结构 数据结构的概念很好理解,就是用来将数据组织在一起的结构.换句话说,数据结构是用来存储一系列关联数据的东西.在Python中有四种内建的数据 结构,分别是List.Tuple.Dictionary以及Set.大部分的应用程序不需要其他类型的数据结构,但若是真需要也有很多高级数据结构可供 选择,例如Collection.Array.Heapq.Bisect.Weakref.Copy以及Pprint.本文将介绍这些数据结构的用法,看 看它

Python中的高级数据结构详解

这篇文章主要介绍了Python中的高级数据结构详解,本文讲解了Collection.Array.Heapq.Bisect.Weakref.Copy以及Pprint这些数据结构的用法,需要的朋友可以参考下 数据结构 数据结构的概念很好理解,就是用来将数据组织在一起的结构.换句话说,数据结构是用来存储一系列关联数据的东西.在Python中有四种内建的数据结构,分别是List.Tuple.Dictionary以及Set.大部分的应用程序不需要其他类型的数据结构,但若是真需要也有很多高级数据结构可供选择

python中的各个模块

collection模块:python中的扩展数据模块#namedtuple: 生成可以使用名字来访问元素内容的tuple'''from collections import namedtuplePoint=namedtuple('point',['x','y']) #必须起名字 pointp=Point(1,2)print(p.x) #表示坐标中的x点print(p.y)print(p) #point(x=1, y=2) 表示坐标'''#deque 双端队列,快速的从另外一侧追加和推出对象 适

浅谈python中字典

1.字典的定义方式有以下: a=dict(one=1,two=2,three=3) b={'one':1,'two':2,'three':3} c=dict(zip(['one','two','three'],[1,2,3])) d=dict([('two',2),('one',1),('three',3)]) e=dict({'three':3,'one':1,'two':2}) 其中这四种定义方式完全等效,有一点需要牢记,标准库中所有的映射类型都是通过字典(dict)来实现,其中只有可散列(

Python中的高性能容器--collections

集合模块 相对于 Python 中内置的称为链表.集合.字典和元组的默认容器类型来说,集合模块( collection module )提供了高性能的备选方案( alternative ). 简单地看看集合模块中如下的容器类型: 1 ) deque :一个链表容器的备选方案,支持在队列两端快速插入和弹出( pop ). 2 ) defaultdict : dict 的子类,它为类型提供了工厂函数,用于提供缺省值. 3 ) orderedDict : dict 的子类,它记录了关键字插入的顺序.

走入计算机的第四十天(python中sockserver模块)

一.Python中的sockserver模块 1.该模块与sock模块不同之处是该模块自动帮我们分装好了一些功能,让我们在编程的时候直接调用这些功能就可以了,节省了编程步骤. 2.如图所示 注释:上图为服务端设置 该模块的操作方法比较死板,我们只要会熟悉的使用他就可以了.

python中if __name__ == '__main__':

Using a module's __name__ Example? 8.2.? Using a module's __name__ #!/usr/bin/python # Filename: using_name.py if __name__ == '__main__': print 'This program is being run by itself' else: print 'I am being imported from another module' Output $ pytho

关于Python中的yield

关于Python中的yield http://www.cnblogs.com/tqsummer/archive/2010/12/27/1917927.html http://www.ibm.com/developerworks/cn/opensource/os-cn-python-yield/ 一.迭代器(iterator) 在Python中,for循环可以用于Python中的任何类型,包括列表.元祖等等,实际上,for循环可用于任何“可迭代对象”,这其实就是迭代器 迭代器是一个实现了迭代器协议