如何优雅的生成及遍历python嵌套字典
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了如何优雅的生成及遍历python嵌套字典，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含7096字，纯文字阅读大概需要11分钟。
内容图文
嵌套字典生成
方法一:定义类
class Vividict(dict):
def __missing__(self, key):
value = self[key] = type(self)()
return value
解释：
- 第一行：class后面紧接着是类名，即Vividict，类名通常是大写开头的单词，紧接着是(dict)，表示该类是dict类继承下来的。
我们可以使用dir(dict）查看dict的方法
In[22]: print(dir(dict))
['__class__', '__contains__', '__delattr__', '__delitem__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__getitem__', '__gt__', '__hash__', '__init__', '__iter__', '__le__', '__len__', '__lt__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__setitem__', '__sizeof__', '__str__', '__subclasshook__', 'clear', 'copy', 'fromkeys', 'get', 'items', 'keys', 'pop', 'popitem', 'setdefault', 'update', 'values']
同理，可以查看Vividict的方法
In[23]: print(dir(Vividict))
['__class__', '__contains__', '__delattr__', '__delitem__', '__dict__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__getitem__', '__gt__', '__hash__', '__init__', '__iter__', '__le__', '__len__', '__lt__', '__missing__', '__module__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__setitem__', '__sizeof__', '__str__', '__subclasshook__', '__weakref__', 'clear', 'copy', 'fromkeys', 'get', 'items', 'keys', 'pop', 'popitem', 'setdefault', 'update', 'values']
比较两者可以发现，Vividict的方法比dict的方法多了一个missing方法，也就是我们添加的方法。所以这就是继承，继承最大的好处是子类获得了父类的全部功能，而不必重新造轮子。
第二行：python魔法方法中的自定义序列，类似于定义一个函数。missing在字典的子类中使用，它定义了当试图访问一个字典中不存在的键时的行为（目前为止是指字典的实例，例如我有一个字典 d ， “george” 不是字典中的一个键，当试图访问 d[‘george’] 时就会调用 d.missing(“george”)，结果为{} ）。
第三行，第四行：访问字典中不存在的键(key)时，返回空字典作为其返回值（value）
例如：
In[17]: a = dict()
In[18]: type(a)()
Out[18]:
{}
注意：
- 特殊方法“missing”前后有两个下划线！！！
- 和普通的函数相比，在类中定义的函数只有一点不同，就是第一个参数永远是实例变量self，并且，调用时，不用传递该参数。除此之外，类的方法和普通函数没有什么区别，所以，你仍然可以用默认参数、可变参数、关键字参数和命名关键字参数。
使用：
# coding=utf-8
#导入模块
import os, openpyxl
import pprint
from pandas import DataFrame
#pprint模块可以输出漂亮的字典结构，但是不利于后期利用R作图
#DataFrame可以将字典结构转为数据框输出，方便后期利用R作图
#切换工作路径
os.chdir(r'F:\pycharm_project\mutation_count')
#读取excel表格
wb = openpyxl.load_workbook('东方肝胆数据综合.xlsx')
sheet = wb.active
#定义类
class Vividict(dict):
def __missing__(self, key):
value = self[key] = type(self)()
return value
#实例化
d = Vividict()
#字典初始化，赋初值0
for i in range(2,sheet.max_row+1):
d[sheet.cell(row=i, column=1).value][sheet.cell(row=i, column=15).value] = 0
#累加统计各个样本各种突变类型的数目
for i in range(2,sheet.max_row+1):
d[sheet.cell(row=i, column=1).value][sheet.cell(row=i, column=15).value] +=1
pprint.pprint(d)
#输出字典结构
pprint.pprint(d)
{'PDC1279A_vs_PDC1279': {'UTR3': 9,
'UTR5': 4,
'downstream': 5,
'exonic': 149,
'intergenic': 170,
'intronic': 163,
'ncRNA_exonic': 17,
'ncRNA_intronic': 23,
'splicing': 2,
'upstream;downstream': 2},
'PDC1279C_vs_PDC1279': {'UTR3': 11,
'UTR5': 13,
'downstream': 1,
'exonic': 174,
'intergenic': 189,
'intronic': 172,
'ncRNA_exonic': 24,
'ncRNA_intronic': 36,
'splicing': 4,
'upstream': 2,
'upstream;downstream': 2}}
#输出数据框结构，缺损的元素用 NaN补齐
frame = DataFrame(d)
print(frame)
PDC1279A_vs_PDC1279 PDC1279C_vs_PDC1279 \
UTR3 9.0 11.0
UTR5 4.0 13.0
downstream 5.0 1.0
exonic 149.0 174.0
exonic;splicing NaN NaN
intergenic 170.0 189.0
intronic 163.0 172.0
ncRNA_exonic 17.0 24.0
ncRNA_intronic 23.0 36.0
ncRNA_splicing NaN NaN
splicing 2.0 4.0
upstream NaN 2.0
upstream;downstream 2.0 2.0
方法二：使用defaultdict()
两个维度字典：
from collections import defaultdict
d = defaultdict(defaultdict)
d[1][2] = 3
等价于：
from collections import defaultdict
def nested_dict_factory():
return defaultdict(int)
def nested_dict_factory2():
return defaultdict(nested_dict_factory)
db = defaultdict(nested_dict_factory2)
当然，第一种方法简洁的多！
要获得更多维度，你可以（三维）：
from collections import defaultdict
d = defaultdict(lambda :defaultdict(defaultdict))
d[1][2][3] = 4
使用defaultdict任何未定义的key都会默认返回一个根据method_factory参数不同的默认值, 而相同情况下dict()会返回KeyError.
python中lambda存在意义就是对简单函数的简洁表示
实际上 defaultdict也是通过missing方法实现的。defaultdict在dict的基础上添加了一个missing(key)方法, 在调用一个不存的key的时候, defaultdict会调用missing, 返回一个根据default_factory参数的默认值, 所以不会返回Keyerror.
In[35]: print(dir(defaultdict))
['__class__', '__contains__', '__copy__', '__delattr__', '__delitem__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__getitem__', '__gt__', '__hash__', '__init__', '__iter__', '__le__', '__len__', '__lt__', '__missing__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__setitem__', '__sizeof__', '__str__', '__subclasshook__', 'clear', 'copy', 'default_factory', 'fromkeys', 'get', 'items', 'keys', 'pop', 'popitem', 'setdefault', 'update', 'values']
嵌套字典的遍历
方法一：一层一层的嵌套迭代,从而实现遍历
for key,value in d.items():
for key2, val2 in value.items():
print (key2, val2)
在类中定义walk方法实现嵌套字典的遍历
class Vividict(dict):
def __missing__(self, key):
value = self[key] = type(self)()
return value
def walk(self):
for key, value in self.items():
if isinstance(value, Vividict):
for tup in value.walk():
yield (key,) + tup
else:
yield key, value
解释:
第1-4行：上面已经解释过了
第5-11行：定义一个walk函数，并对字典items对象的key和value进行遍历，isinstance用于判断对象类型，如果value是一个字典，那么对value调用walk（）方法继续进行遍历，一层一层将key,value存储在元祖中（）。当最里面一层，即else情况，输出key,value。整个过程即将字典数据结构扁平化为元祖
此时，我们可以这样来遍历字典（输出元祖）
#打印整个元祖
for tup in d.walk():
print(tup)
('PDC1279_vs_PDC1279C6', 'downstream', 3)
('PDC1279_vs_PDC1279C6', 'UTR3', 11)
('PDC1279_vs_PDC1279C6', 'intronic', 164)
('PDC1279_vs_PDC1279C6', 'splicing', 4)
**这就是扁平化的字典**
#打印元祖的第3列
for tup in d.walk():
print(tup[2])
参考
（1）https://ask.helplib.com/229754
（2）Python魔法方法指南（推荐阅读）
http://pyzh.readthedocs.io/en/latest/python-magic-methods-guide.html
内容总结
以上是互联网集市为您收集整理的如何优雅的生成及遍历python嵌套字典全部内容，希望文章能够帮你解决如何优雅的生成及遍历python嵌套字典所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。