python中字典数据的特点_Python字典(Dictionary) 在数据分析中的操作
今天來聊聊python中的字典在數據分析中的應用，為了貼近實戰關于簡單結構的字典就略過。
今天要聊的字典結構是如下這類復雜結構：
{
"id": "2406124091",
"type": "node",
"visible":"true",
"created": {
"version":"2",
"changeset":"17206049",
"timestamp":"2013-08-03T16:43:42Z",
"user":"linuxUser16",
"uid":"1219059"
},
"pos": [41.9757030, -87.6921867],
"address": {
"housenumber": "5157",
"postcode": "60625",
"street": "North Lincoln Ave"
},
"amenity": "restaurant",
"cuisine": "mexican",
"name": "La Cabana De Don Luis",
"phone": "1 (773)-271-5176"
}
這類數據結構是為了方便寫成JSON，或者存入MongoDB使用而存在的。為了便于理解和掌握這種復雜字典的操作方式，我們采取幾個有趣的實驗，來感受一下:
一、復雜結構字典是否可以拆分成簡單結構的字典
如果把這個復雜結構拆分成幾個結構簡單的小字典或者列表，那么處理起來就會簡單許多：
##第一個小字典
{"id": "2406124091",
"type": "node",
"visible":"true"}
##第二個小字典
{"version":"2",
"changeset":"17206049",
"timestamp":"2013-08-03T16:43:42Z",
"user":"linuxUser16",
"uid":"1219059"}
##一個小列表
[41.9757030, -87.6921867]
##第三個小字典
{"housenumber": "5157",
"postcode": "60625",
"street": "North Lincoln Ave"}
##第四個小字典
{"amenity": "restaurant",
"cuisine": "mexican",
"name": "La Cabana De Don Luis",
"phone": "1 (773)-271-5176"}
接下來，我們看看用哪種方法可以進行合并：
d1 = {"id": "2406124091",
"type": "node",
"visible":"true"}
d2 = {"version":"2",
"changeset":"17206049",
"timestamp":"2013-08-03T16:43:42Z",
"user":"linuxUser16",
"uid":"1219059"}
l1 = [41.9757030, -87.6921867]
d3 = {"housenumber": "5157",
"postcode": "60625",
"street": "North Lincoln Ave"}
d4 = {"amenity": "restaurant",
"cuisine": "mexican",
"name": "La Cabana De Don Luis",
"phone": "1 (773)-271-5176"}
d = {d1,d2,l1,d3,d4}
#Traceback (most recent call last):
#
# File "", line 1, in
# d = {d1,d2,l1,d3,d4}
#
#TypeError: unhashable type: 'dict'
###簡單粗暴的合并，可惜這樣的合并是不可行的
###嘗試加上標簽后進行合并
d = d1
d['created'] = d2
d['pos'] = l1
d['address'] = d3
d = dict(d,**d4)
pprint.pprint(d)
#{'address': {'housenumber': '5157',
# 'postcode': '60625',
# 'street': 'North Lincoln Ave'},
# 'amenity': 'restaurant',
# 'created': {'changeset': '17206049',
# 'timestamp': '2013-08-03T16:43:42Z',
# 'uid': '1219059',
# 'user': 'linuxUser16',
# 'version': '2'},
# 'cuisine': 'mexican',
# 'id': '2406124091',
# 'name': 'La Cabana De Don Luis',
# 'phone': '1 (773)-271-5176',
# 'pos': [41.975703, -87.6921867],
# 'type': 'node',
# 'visible': 'true'}
###成功完成復雜字典的合并，但是有個問題，順序不對。在一些特定應用場景中，字典中的數據結構
###是被嚴格要求的。那么需要繼續進行帶有順序要求的控制。
d = {'created':d2,'pos':l1,'address':d3}
pprint.pprint(d)
#{'address': {'housenumber': '5157',
# 'postcode': '60625',
# 'street': 'North Lincoln Ave'},
# 'created': {'changeset': '17206049',
# 'timestamp': '2013-08-03T16:43:42Z',
# 'uid': '1219059',
# 'user': 'linuxUser16',
# 'version': '2'},
# 'pos': [41.975703, -87.6921867]}
#
###成功完成了按順序的合并，但是d1和d4的字典卻無法進行可控的合并，采用dict()函數合并后，
###元素會添加在最后，這就又回到最初的情況
二、由上一個實驗可知，兩個字典直接合并可行，但結構順序無法控制，需要對一些結構進行再分解。
d1 = {"id": "2406124091"}
d2 = {"type": "node"}
d3 = {"visible":"true"}
d4 = {"version":"2",
"changeset":"17206049",
"timestamp":"2013-08-03T16:43:42Z",
"user":"linuxUser16",
"uid":"1219059"}
l1 = [41.9757030, -87.6921867]
d5 = {"housenumber": "5157",
"postcode": "60625",
"street": "North Lincoln Ave"}
d6 = {"amenity": "restaurant"}
d7 = {"cuisine": "mexican"}
d8 ={"name": "La Cabana De Don Luis"}
d9 = {"phone": "1 (773)-271-5176"}
拆分完之后是這個樣子：
d = {'id':d1,'type':d2,'visible':d3,'created':d4,'pos':l1,'address':d5,
'amenity':d6,'cuisine':d7,'name':d8,'phone':d9}
import pprint
pprint.pprint(d)
#{'address': {'housenumber': '5157',
# 'postcode': '60625',
# 'street': 'North Lincoln Ave'},
# 'amenity': {'amenity': 'restaurant'},
# 'created': {'changeset': '17206049',
# 'timestamp': '2013-08-03T16:43:42Z',
# 'uid': '1219059',
# 'user': 'linuxUser16',
# 'version': '2'},
# 'cuisine': {'cuisine': 'mexican'},
# 'id': {'id': '2406124091'},
# 'name': {'name': 'La Cabana De Don Luis'},
# 'phone': {'phone': '1 (773)-271-5176'},
# 'pos': [41.975703, -87.6921867],
# 'type': {'type': 'node'},
# 'visible': {'visible': 'true'}}
###沒有出現我們想要的結果，除了結構是混亂的之外，重新構建的字典中，數據結構也出現的明顯的
###錯誤。嘗試另外一種構建方式：
d = {d1,d2,d3,'created':d4,'pos':l1,'address':d5,d6,d7,d8,d9}
d = {d1,d2,d3,d4,l1,d5,d6,d7,d8,d9}
#Traceback (most recent call last):
#
# File "", line 1, in
# d = {d1,d2,d3,d4,l1,d5,d6,d7,d8,d9}
#
#TypeError: unhashable type: 'dict'
d = {d1,d2,d3,d4,'pos':l1,d5,d6,d7,d8,d9}
# File "", line 1
# d = {d1,d2,d3,d4,'pos':l1,d5,d6,d7,d8,d9}
# ^
#SyntaxError: invalid syntax
#
###這種構建方式，過于異想天開了，語法是錯誤的。
###dict()函數合并的方式我不打算嘗試了，應為其中的l1是list，這個是無法用這個函數合并的。
三、直接固定字典的格式，然后對其填充數值或者內容
d = {
"id": "",
"type": "",
"visible":"",
"created": {
"version":"",
"changeset":"",
"timestamp":"",
"user":"",
"uid":""
},
"pos": [0,0],
"address": {
"housenumber": "",
"postcode": "",
"street": ""
},
"amenity": "",
"cuisine": "",
"name": "",
"phone": ""
}
d['id']='2406124091'
d['address']['housenumber']='123456'
pprint.pprint(d['id'])
#'2406124091'
pprint.pprint(d['address'])
#{'housenumber': '123456', 'postcode': '', 'street': ''}
###成功完成寫入操作，這種方式需要配合循環和條件判斷語句使用。好處是，讓數據結構得以固定。
最后，編程這事，沒有唯一答案，條條道路通羅馬。找到自己最喜歡最順手的方式是最好的。
其實還有一種方法是使用eval()函數，但介于廣大高手們痛恨和鄙視使用該函數，所以這里就不在對這個函數的用法進行探討。
總結
以上是生活随笔為你收集整理的python中字典数据的特点_Python字典(Dictionary) 在数据分析中的操作的全部內容，希望文章能夠幫你解決所遇到的問題。
