1.17 从å—兏䏿��å�–å�集¶
问题¶
ä½ æƒ³æž„é€ ä¸€ä¸ªå—典,它是å�¦å¤–一个å—典的å�集。
解决方案¶
最简å�•的方å¼�是使用å—典推导。比如:
prices = {
'ACME': 45.23,
'AAPL': 612.78,
'IBM': 205.55,
'HPQ': 37.20,
'FB': 10.75
}
# Make a dictionary of all prices over 200
p1 = {key: value for key, value in prices.items() if value > 200}
# Make a dictionary of tech stocks
tech_names = {'AAPL', 'IBM', 'HPQ', 'MSFT'}
p2 = {key: value for key, value in prices.items() if key in tech_names}
讨论¶
大多数情况下å—典推导能å�šåˆ°çš„,通过创建一个元组åº�列然å�ŽæŠŠå®ƒä¼ ç»™ dict() 函数也能实现。比如:
p1 = dict((key, value) for key, value in prices.items() if value > 200)
但是,å—典推导方å¼�表æ„�更清晰,并且实际上也会è¿�行的更快些
(在这个例å�ä¸ï¼Œå®žé™…æµ‹è¯•å‡ ä¹Žæ¯” dict() 函数方å¼�快整整一å€�)。
有时候完æˆ�å�Œä¸€ä»¶äº‹ä¼šæœ‰å¤šç§�æ–¹å¼�。比如,第二个例å�程åº�也å�¯ä»¥åƒ�è¿™æ ·é‡�写:
# Make a dictionary of tech stocks
tech_names = { 'AAPL', 'IBM', 'HPQ', 'MSFT' }
p2 = { key:prices[key] for key in prices.keys() & tech_names }
但是,�行时间测试结果显示这�方案大概比第一�方案慢 1.6 �。 如果对程��行性能�求比较高的�,需�花点时间去�计时测试。 关于更多计时和性能测试,�以�考 14.13 �节。