## 字典的基本结构

字典是关联数组或映射的别称，通过散列表实现。其主要由键值对组成，如：{key: value, }。列表中的值通过整数索引进行访问，也就是元素在列表中的位置，而字典中的值则通过关联的键进行访问。列表的创建如下：x = []，而字典则通过：y = {}。列表不允许对不存在的元素赋值，如：x[0] = 'a'，而字典则可以：y[0] = 'a'。字典可使用非整数键来存储和使用数据，而列表则只能通过整数索引，如：y['hello'] = 'world'。

列表和字段的值可以为任意类型，但列表只能使用整数对值进行索引，而字典则可使用任何不可变的，可散列的对象，如字符串，frozenset等。元组虽然是不可变的，但当其包含了可变元素时会导致散列的结果变化，如元组的元素为列表或者字典，这时元组不可作为键，而元组只包含不可变的元素时，可作为字典的键，如：(1, 'a',)。

## 字典的基本操作

上面简单介绍了字典的创建，赋值和访问，此外字典还支持很多其他操作，可通过：python -m pydoc -p2222，然后访问：localhost:2222/builtins.html#dict，进行查看。常用的有：len(dict)返回字典条目数量；dict.keys()获取字典所有的键；values获取字典中所有的值；items返回字典中所有的键值对；del删除字典中指定条目；in判断某个键是否在字典中存在；get返回字典中指定键关联的值，如不存在则返回None或返回函数第二个参数指定的值；copy返回字典的浅拷贝，如需深拷贝，需要导入copy.deepcopy进行复制；update使用参数字典中的键值对更新调用者的键值对。更多操作可访问库文档查看。

## 字典的应用

后续数据分析和深度学习相关的内容中会大量涉及矩阵运算，当对矩阵进行存储的时候，如果大量节点的数值都为0，此时的矩阵被称之为稀疏矩阵，可使用字典只存储那些少量的非零节点，如：{(0, 0): 1, (3, 3): 5}，这样就可以节省大量的存储空间。另外，当某个计算结果需要大量重复使用，但计算过程比较复杂耗时，或者需要消耗大量的网络或者IO的时候，可以计算一次之后，使用字段将结果缓存起来，在整个过程中重复使用。其实，大型应用中的redis之类的缓存系统就是起这个作用的。另外，spark计算平台也是通过类似的思想对hadoop的分布式计算过程的中间结果进行缓存和重复使用进行优化的。后续也都会针对相关内容进行介绍，敬请期待。

"橙汁数据"(微信公众号)，长期关注大数据的收集处理与分析，深度学习与人工智能应用，如有大数据或智能应用相关业务，欢迎关注"橙汁数据"(微信公众号)洽谈咨询；