python3 两层dict字典转置

python3;

两层字典

dict =(type, dict2)

dict2 = (k_value, index)

dictss = {
        10: {3: 1,  4: 2,  5:  3, 6: 4,  7: 5,  8: 6,   9: 7,   10: 8,  11: 9,  12: 10, 13: 11, 14: 12, 15: 13, 16: 14, 17: 15, },
        20: {3: 16, 4: 17, 5: 18, 6: 19, 7: 20, 8: 21,     9: 22,     10: 23, 11: 24,    12: 25,    13: 26, 14: 27,    15: 28, },}

反向转置字典,

dict = (index, type)

rev_dictss = {}
for (k, v) in dictss.items():
    # print(dict(v))
    for vk, vv in v.items():
        # print(vv, vk)
        rev_dictss[vv] = k

print(rev_dictss)

原文地址:https://www.cnblogs.com/xiaoniu-666/p/10553812.html

时间: 2024-11-13 08:10:25

python3 两层dict字典转置的相关文章

两层嵌套的JSON包的解法

由于后台的变态,有时候会出现两层甚至多层嵌套的JSON包. 一层的很好解,而且我看过一些比较大的网站新闻接口返回的JSON包也仅仅是一层的. 比如下图所示一层的包 代码也很简单直观 dict = [data objectFromJSONData]; // 这里可能会转换失败,还需要接着做判断 _dinnArray = [[NSMutableArray alloc] init]; _dataArray = [dict objectForKey:@"data"]; for (NSDicti

redis底层数据结构之dict 字典1

最近,我想通过redis的源码来学习redis.虽然平时工作中用得不多,不过对redis还是比较感兴趣的,毕竟它的性能是不错的.redis是一个 开源的项目,我们可以通过源代码去了解redis.我后面会通过自己的学习,写一些关于redis源码的帖子.帖子的主要内容是分析代码设计,而并不会对 源码进行详细解说.如果有不对的地方,请指正.源码是reids 3.0.3版本. dict 字典 一.数据结构 //字典条目 typedef struct dictEntry {     void *key;

1.12 dict 字典表

dict 字典表属于映射分类 dict的声明 >>> #dict类型 是 {}中包含若干个键值对 >>> d = dict() >>> d = {} >>> type(d) <class 'dict'> >>> #看来 一个键值对也没有的{}也是dict类型的 >>> >>> # 1 用{}来声明键值对 >>> man = {'name':'Mark'

python3基础--列表和字典

列表 name = ['kzx', '666', 'none', 'truth'] # 截取 print(name[1: 3]) # 取下标1到3的元素(含下标1的元素,但是不包含3的)['666', 'none']print(name[1:-1]) # 也是取下标1到-1(即下标3)的元素(含下标1的元素,但是不包含-1的) ['666', 'none'] print(name[0:3]) # 取下标0到3的元素(含下标1的元素,但是不包含3的)['kzx', '666', 'none']pr

神经网络入门-用python实现一个两层神经网络并在CIFAR10数据集上调参

下面是我从cs231n上整理的神经网络的入门实现,麻雀虽小,五脏俱全,基本上神经网络涉及到的知识点都有在代码中体现. 理论看上千万遍,不如看一遍源码跑一跑. 源码上我已经加了很多注释,结合代码看一遍很容易理解. 最后可视化权重的图: 主文件,用来训练调参 two_layer_net.py 1 # coding: utf-8 2 3 # 实现一个简单的神经网络并在CIFAR10上测试性能 4 5 import numpy as np 6 import matplotlib.pyplot as pl

python dict 字典详解

和列表相同,字典也是许多数据的集合,属于可变序列类型.不同之处在于,它是无序的可变序列,其保存的内容是以“键值对”的形式存放的. 字典中,习惯将各元素对应的索引称为键(key),各个键对应的元素称为值(value),键及其关联的值称为“键值对”. 字典类型很像学生时代常用的新华字典.我们知道,通过新华字典中的音节表,可以快速找到想要查找的汉字.其中,字典里的音节表就相当于字典类型中的键,而键对应的汉字则相当于值. 表 1 Python 字典特征 主要特征 解释 通过键而不是通过索引来读取元素 字

python:DataFrame转dict字典

背景:将商品id以及商品类别作为字典的键值映射,生成字典,原为DataFrame # 创建一个DataFrame # 列值类型均为int型 import pandas as pd item = pd.DataFrame({'item_id': [100120, 10024504, 1055460], 'item_category': [87974, 975646, 87974]}, index=[0, 1, 2]) item # 将item_id,item_category两列数值转为dict字

4.Dict字典

'''Dict 字典存储的是key-value键值对形式的值特点: 1.无序,因为无下标 2.key值是唯一的,自动去重''' person = { "name":"xiaoming", "age" : 20} #根据key查询值print(person["name"])print(person["age"])print(person.get("name","没有")

[Deep Learning]两层CNN的MATLAB实现

想自己动手写一个CNN很久了,论文和代码之间的差距有一个银河系那么大. 在实现两层的CNN之前,首先实现了UFLDL中与CNN有关的作业.然后参考它的代码搭建了一个一层的CNN.最后实现了一个两层的CNN,码代码花了一天,调试花了5天,我也是醉了.这里记录一下通过代码对CNN加深的理解. 首先,dataset是MNIST.这里层的概念是指convolution+pooling,有些地方会把convolution和pooling分别作为两层看待. 1.CNN的结构 这个两层CNN的结构如下: 图一