Python 字典（dict）数据类型详解

4️⃣ fromkeys（统一初始化）

keys = ["name", "age", "city"]
d = dict.fromkeys(keys, None)

⚠️ 注意：value 是同一个引用

三、dict 的常用操作

1️⃣ 访问元素

d["name"]

⚠️ key 不存在会抛异常：KeyError

更安全方式：

d.get("name")
d.get("salary", 0)

2️⃣ 新增 / 修改元素

d["age"] = 31
d["salary"] = 20000

key 存在 → 修改
key 不存在 → 新增

3️⃣ 删除元素

del d["age"]
value = d.pop("age", None)
d.clear()

四、dict 的遍历方式（非常重要）

1️⃣ 遍历 key（默认）

for k in d:
    print(k)

2️⃣ 遍历 value

for v in d.values():
    print(v)

3️⃣ 遍历 key-value（最常用）

for k, v in d.items():
    print(k, v)

五、dict 的高级用法

1️⃣ dict 推导式

squares = {x: x*x for x in range(5)}
# 过滤
even = {x: x for x in range(10) if x % 2 == 0}

📌 类似 list 推导式，但更适合 构建映射关系

2️⃣ dict 合并（Python 3.9+）

a = {"x": 1}
b = {"y": 2}
c = a | b

旧写法：

c = {**a, **b}

3️⃣ setdefault（避免 if 判断）

d = {}
d.setdefault("count", 0)
d["count"] += 1

常用于：

• 分组统计
• 计数器
• 分类聚合

4️⃣ defaultdict（collections）

from collections import defaultdict
d = defaultdict(int)
d["a"] += 1

非常适合：

• 计数
• 分组
• 构建树结构

六、dict 在真实工程中的角色

1️⃣ JSON / API 数据

request_data["user"]["id"]

2️⃣ 配置系统

settings = { "DEBUG": True, "DB_HOST": "localhost" }

3️⃣ ORM / 数据行

row = { "id": 1, "name": "张三" }

4️⃣ 缓存结构

cache[user_id] = user_info

七、dict 的底层原理（理解性能）

dict 底层是：

哈希表（Hash Table）

核心逻辑：

1. 对 key 计算 hash
2. 定位存储位置
3. 冲突时使用开放寻址

因此：

📌 这也是 dict 成为 Python 核心的原因。

八、dict 的常见坑

❌ 1. 用 list 作为 key

d[[1, 2]] = "x" # TypeError

❌ 2. 忘记 key 是否存在

d["not_exist"] # KeyError

✔️ 正确方式：

d.get("not_exist")

❌ 3. 修改 dict 时遍历

for k in d:
    del d[k] # 错误

✔️ 正确方式：

for k in list(d.keys()):
    del d[k]

九、dict vs 其他数据类型

一句话总结：

需要'通过名字找数据' → 用 dict

十、总结一句话版本

• dict 是 Python 的'灵魂数据结构'
• 本质是高性能 Key-Value 存储
• 支撑 API、配置、JSON、缓存、对象系统
• 写好 Python，一定要吃透 dict