Python の辞書とファイル

辞書ハッシュ テーブル

Python の効率的な Key-Value ハッシュ テーブル構造は「辞書」と呼ばれます。辞書の内容は、中かっこ { } で囲まれた一連の Key-Value ペアとして記述できます。dict = {key1:value1, key2:value2, ... }。「空の辞書」中かっこ {} の空のペアです。

辞書内の値を検索または設定する際は、角かっこを使用します。たとえば、dict['foo'] は、キー 'foo' の値を検索します。文字列、数値、タプルはキーとして機能し、任意の型を値にすることができます。他の型はキーとして正しく機能する場合もあれば、機能しない場合もあります（文字列とタプルは不変であるため、問題なく機能します）。辞書にない値を検索すると、KeyError がスローされます。「in」を使用してください。キーが辞書内にあるかどうかを確認するか、値を返す dict.get(key) を使用するか、キーが存在しない場合は None を使用します（または、get(key, not-found) では、見つからなかったときに返される値を指定できます）。

  ## Can build up a dict by starting with the empty dict {}
  ## and storing key/value pairs into the dict like this:
  ## dict[key] = value-for-that-key
  dict = {}
  dict['a'] = 'alpha'
  dict['g'] = 'gamma'
  dict['o'] = 'omega'

  print(dict) ## {'a': 'alpha', 'o': 'omega', 'g': 'gamma'}

  print(dict['a'])     ## Simple lookup, returns 'alpha'
  dict['a'] = 6       ## Put new key/value into dict
  'a' in dict         ## True
  ## print(dict['z'])                  ## Throws KeyError
  if 'z' in dict: print(dict['z'])     ## Avoid KeyError
  print(dict.get('z'))  ## None (instead of KeyError)

辞書の for ループは、デフォルトでキーを反復処理します。キーは任意の順序で表示されます。メソッド dict.keys() と dict.values() は、キーまたは値のリストを明示的に返します。(key, value) タプルのリストを返す items() もあります。これはディクショナリ内のすべての Key-Value データを調べる最も効率的な方法です。これらのリストはすべて、sorted() 関数に渡すことができます。

  ## By default, iterating over a dict iterates over its keys.
  ## Note that the keys are in a random order.
  for key in dict:
    print(key)
  ## prints a g o

  ## Exactly the same as above
  for key in dict.keys():
    print(key)

  ## Get the .keys() list:
  print(dict.keys())  ## dict_keys(['a', 'o', 'g'])

  ## Likewise, there's a .values() list of values
  print(dict.values())  ## dict_values(['alpha', 'omega', 'gamma'])

  ## Common case -- loop over the keys in sorted order,
  ## accessing each key/value
  for key in sorted(dict.keys()):
    print(key, dict[key])

  ## .items() is the dict expressed as (key, value) tuples
  print(dict.items())  ##  dict_items([('a', 'alpha'), ('o', 'omega'), ('g', 'gamma')])

  ## This loop syntax accesses the whole dict by looping
  ## over the .items() tuple list, accessing one (key, value)
  ## pair on each iteration.
  for k, v in dict.items(): print(k, '>', v)
  ## a > alpha    o > omega     g > gamma

戦略に関する注意事項: パフォーマンスの観点から、辞書は優れたツールの一つです。データを整理する簡単な方法として、できる限り使用する必要があります。たとえば、各行が IP アドレスで始まるログファイルを読み取り、IP アドレスをキーとして使用し、そのアドレスが値として表示される行のリストを使用して、辞書にデータを格納できます。ファイル全体を読んだら、IP アドレスを検索してその行のリストをすぐに確認できます。ディクショナリは分散したデータを取り込んで、一貫性を持たせます。

辞書の書式設定

% 演算子は、辞書の値を名前を指定して文字列に置換するのに便利です。

  h = {}
  h['word'] = 'garfield'
  h['count'] = 42
  s = 'I want %(count)d copies of %(word)s' % h  # %d for int, %s for string
  # 'I want 42 copies of garfield'

  # You can also use str.format().
  s = 'I want {count:d} copies of {word}'.format(h)

Del

「del」実行されます。最も単純なケースでは、あたかもその変数が定義されていないかのように、変数の定義を削除できます。Del をリスト要素またはスライスに対して使用して、リストの該当部分を削除したり、ディクショナリからエントリを削除したりすることもできます。

  var = 6
  del var  # var no more!

  list = ['a', 'b', 'c', 'd']
  del list[0]     ## Delete first element
  del list[-2:]   ## Delete last two elements
  print(list)      ## ['b']

  dict = {'a':1, 'b':2, 'c':3}
  del dict['b']   ## Delete 'b' entry
  print(dict)      ## {'a':1, 'c':3}

ファイル

open() 関数は、通常の方法でファイルを読み書きするために使用できるファイル ハンドルを開いて返します。コード f = open('name', 'r') は、ファイルを変数 f に格納して、オペレーションを読み取る準備を整え、完了後に f.close() を使用します。「r」の代わりに「w」を使用する「a」はあります。標準の for ループはテキスト ファイルに対して機能し、ファイルの行を反復処理します（これはテキスト ファイルでのみ機能し、バイナリ ファイルでは機能しません）。for ループ手法は、テキスト ファイル内のすべての行を調べるためのシンプルで効率的な方法です。

  # Echo the contents of a text file
  f = open('foo.txt', 'rt', encoding='utf-8')
  for line in f:   ## iterates over the lines of the file
    print(line, end='')    ## end='' so print does not add an end-of-line char
                           ## since 'line' already includes the end-of-line.
  f.close()

一度に 1 行ずつ読み取るのは良い品質で、すべてのファイルをメモリに一度に収める必要はありません。これは、10 GB のファイルの各行を 10 GB のメモリを使用せずに確認する場合に便利です。f.readlines() メソッドはファイル全体をメモリに読み込み、その内容を行のリストとして返します。f.read() メソッドはファイル全体を 1 つの文字列に読み込みます。これは、後述する正規表現などを使用して、テキストを一度に処理するのに便利です。

書き込みの場合、f.write(string) メソッドは開いている出力ファイルにデータを書き込む最も簡単な方法です。または、「print」を使用して「print(string, file=f)」のようなファイルを開きます。

ファイルの Unicode

Unicode でエンコードされたファイルの読み取りと書き込みを行うには、`'t'` モードを使用してエンコードを明示的に指定します。

with open('foo.txt', 'rt', encoding='utf-8') as f:
  for line in f:
    # here line is a *unicode* string

with open('write_test', encoding='utf-8', mode='wt') as f:
    f.write('\u20ACunicode\u20AC\n') #  €unicode€
    # AKA print('\u20ACunicode\u20AC', file=f)  ## which auto-adds end='\n'

段階的な開発の演習

Python プログラムの構築では、すべてを 1 ステップで記述する必要はありません。代わりに、最初のマイルストーンのみを特定します（例:「最初のステップは、単語のリストを抽出することです。」そのマイルストーンに到達するためのコードを記述し、その時点でのデータ構造を出力するだけです。sys.exit(0) を実行すると、プログラムが未完了の部分に先に進まなくなります。マイルストーン コードが機能したら、次のマイルストーンのコードを作成できます。ある状態で出力された変数を確認できれば、次の状態に遷移するためにどのように変数を変換する必要があるかを考えることができます。このパターンは Python が非常に速いため、少し変更してプログラムを実行して動作を確認できます。この短い時間を利用して、プログラムを簡単なステップで構築できます。

演習: wordcount.py

文字列、リスト、辞書、タプル、ファイルなど、Python の基本的な素材をすべて組み合わせて、基本的な演習の wordcount.py のまとめ演習を試してみましょう。