深度学习所需的python-学习笔记5
2017-10-22 14:08
197 查看
字典
字典也是一种集合,但是其中的元素分为键和值,类似于函数的映射,这样的数据结构成为“关联数组”
字典的格式:
#创建空字典
dict1 = {}
heros = {
"batman":"Bruce Wayne"
"superman":"Clark Kent"
}字典heros中含有两个元素,键和值,其中字符串和数值可以作为键,键也是不可更改的数据类型,
所以,列表和字典都不行,原则上,键是不可重复的,后者会覆盖前者,“值”可以时任何数据类型
字典操作:
字典的访问:heros["batman"]
#"Bruce Wayne"如果不存在,返回KeyError。修改字典元素可以直接使用等号赋值即可。
heros["wonderwoman"] = "Diana Prince"删除:
del heros["superman"]字典的循环:
字典作为一个集合,同样可以用作建立循环结构体,值得注意的是,默认情况下在for循环中迭代的是键
常用的字典方法:
字典也是一种集合,但是其中的元素分为键和值,类似于函数的映射,这样的数据结构成为“关联数组”
字典的格式:
#创建空字典
dict1 = {}
heros = {
"batman":"Bruce Wayne"
"superman":"Clark Kent"
}字典heros中含有两个元素,键和值,其中字符串和数值可以作为键,键也是不可更改的数据类型,
所以,列表和字典都不行,原则上,键是不可重复的,后者会覆盖前者,“值”可以时任何数据类型
字典操作:
字典的访问:heros["batman"]
#"Bruce Wayne"如果不存在,返回KeyError。修改字典元素可以直接使用等号赋值即可。
heros["wonderwoman"] = "Diana Prince"删除:
del heros["superman"]字典的循环:
字典作为一个集合,同样可以用作建立循环结构体,值得注意的是,默认情况下在for循环中迭代的是键
常用的字典方法:
方法 | 描述 |
---|---|
popitem() | 返回并删除一个随机元素 |
clear() | 删除字典内所有元素 |
keys() | 返回字典的所有键 |
values() | 返回字典的所有值 |
get(key) | 返回键对应的值,如果键不存在则返回None |
pop(key) | 翻出并返回键对应值 |
相关文章推荐
- 深度学习所需的python-学习笔记6
- 深度学习所需的python-学习笔记4
- 深度学习所需的python--学习笔记11
- 深度学习所需的python-学习笔记1
- 深度学习所需的python-学习笔记9
- 深度学习所需的python--学习笔记7
- 深度学习(DL)与卷积神经网络(CNN)学习笔记随笔-04-基于Python的LeNet之MLP
- 深度学习所需的python-学习笔记3
- 深度学习(DL)与卷积神经网络(CNN)学习笔记随笔-02-基于Python的卷积运算
- 深度学习(DL)与卷积神经网络(CNN)学习笔记随笔-04-基于Python的LeNet之MLP
- 神经网络与深度学习笔记(二)python 实现随机梯度下降
- 深度学习(DL)与卷积神经网络(CNN)学习笔记随笔-04-基于Python的LeNet之MLP
- Python学习笔记8-类的继承 、深度优先、广度优先
- 【深度学习】笔记1_Ubuntu14.04下caffe环境的搭建,无GPU版本以及python可视化环境的配置
- 深度学习笔记一:BP神经网络的介绍和Python代码实现(1)
- Python学习笔记8-类的继承 、深度优先、广度优先
- 神经网络与深度学习笔记(三)python 实现反向传播算法
- 深度学习(DL)与卷积神经网络(CNN)学习笔记随笔-02-基于Python的卷积运算
- 吴恩达深度学习笔记 2.10~2.18 向量化与python
- 学习笔记1:深度学习环境搭建win+python+tensorflow1.5+CUDA9.0+cuDNN7.0