如何在 Python 中创建默认值为 0 的 defaultdict

简介

在本教程中，我们将探索 Python 中的 defaultdict 数据结构，它是标准字典的一个强大变体，能够优雅地处理缺失键的情况。具体来说，我们将学习如何创建一个默认值为 0 的 defaultdict，这在 Python 程序中进行计数和累加值时特别有用。

在本实验结束时，你将理解什么是 defaultdict，如何创建一个默认值为 0 的 defaultdict，以及如何在实际场景中应用它来编写更优雅且抗错误的代码。

Skills Graph

理解常规字典的问题

在深入探讨 defaultdict 之前，让我们先了解一下常规字典的局限性，而 defaultdict 正是为解决这些局限性而设计的。

KeyError 问题

在 Python 中，标准字典（dict）用于存储键值对。然而，当你尝试访问常规字典中不存在的键时，Python 会引发 KeyError。

让我们创建一个简单的示例来演示这个问题：

1. 在编辑器中创建一个名为 regular_dict_demo.py 的新文件：

## 创建一个常规字典来统计水果数量
fruit_counts = {}

## 尝试增加 'apple' 的计数
try:
    fruit_counts['apple'] += 1
except KeyError:
    print("KeyError: 'apple' 键在字典中不存在")

## 使用常规字典的正确方法
if 'banana' in fruit_counts:
    fruit_counts['banana'] += 1
else:
    fruit_counts['banana'] = 1

print(f"水果计数: {fruit_counts}")

2. 在终端中运行脚本：

python3 regular_dict_demo.py

你应该会看到类似以下的输出：

KeyError: 'apple' 键在字典中不存在
水果计数: {'banana': 1}

如你所见，尝试增加不存在的键的计数会导致错误。常见的解决方法是在尝试访问键之前检查它是否存在，这会导致代码更加冗长。

这就是 defaultdict 发挥作用的地方——它在访问时通过使用默认值自动创建缺失的键来处理这个问题。

介绍默认值为 0 的 defaultdict

既然我们已经了解了常规字典的问题，那么让我们来学习如何使用 defaultdict 来解决它。

什么是 defaultdict？

defaultdict 是 Python 内置 dict 类的一个子类，它接受一个函数（称为“默认工厂函数”）作为其第一个参数。当访问一个不存在的键时，defaultdict 会自动使用默认工厂函数返回的值创建该键。

创建默认值为 0 的 defaultdict

让我们创建一个 defaultdict，为任何缺失的键提供默认值 0：

1. 在编辑器中创建一个名为 default_dict_zero.py 的新文件：

## 首先，从 collections 模块导入 defaultdict 类
from collections import defaultdict

## 方法 1：使用 int 作为默认工厂函数
## 不带参数调用 int() 函数会返回 0
counter = defaultdict(int)

print("计数器的初始状态:", dict(counter))

## 访问一个尚不存在的键
print("'apple' 的值（之前）:", counter['apple'])

## 增加计数
counter['apple'] += 1
counter['apple'] += 1
counter['banana'] += 1

print("'apple' 的值（之后）:", counter['apple'])
print("操作后的字典:", dict(counter))

## 方法 2：使用 lambda 函数（另一种方法）
counter2 = defaultdict(lambda: 0)

print("\n使用 lambda 函数:")
print("'cherry' 的值（之前）:", counter2['cherry'])
counter2['cherry'] += 5
print("'cherry' 的值（之后）:", counter2['cherry'])
print("操作后的字典:", dict(counter2))

2. 在终端中运行脚本：

python3 default_dict_zero.py

你应该会看到类似以下的输出：

计数器的初始状态: {}
'apple' 的值（之前）: 0
'apple' 的值（之后）: 2
操作后的字典: {'apple': 2, 'banana': 1}

使用 lambda 函数:
'cherry' 的值（之前）: 0
'cherry' 的值（之后）: 5
操作后的字典: {'cherry': 5}

它是如何工作的

当我们创建 defaultdict(int) 时，我们告诉 Python 使用 int() 函数作为默认工厂函数。不带参数调用时，int() 返回 0，这将成为任何缺失键的默认值。

同样，我们可以使用一个 lambda 函数 lambda: 0，它在被调用时只返回 0。

注意我们如何能够直接访问并增加之前不存在的键的值，而不会出现任何错误。

实际应用案例：统计单词频率

默认值为 0 的 defaultdict 最常见的应用之一就是统计频率。让我们通过实现一个单词频率计数器来演示这个实际应用案例。

1. 在编辑器中创建一个名为 word_counter.py 的新文件：

from collections import defaultdict

def count_word_frequencies(text):
    ## 创建一个默认值为 0 的 defaultdict
    word_counts = defaultdict(int)

    ## 将文本拆分成单词并转换为小写
    words = text.lower().split()

    ## 清理每个单词（去除标点符号）并统计出现次数
    for word in words:
        ## 去除常见标点符号
        clean_word = word.strip('.,!?:;()"\'')
        if clean_word:  ## 跳过空字符串
            word_counts[clean_word] += 1

    return word_counts

## 使用示例文本测试函数
sample_text = """
Python 很棒！Python 很容易学，而且 Python 非常强大。
使用 Python，你可以创建 Web 应用程序、分析数据、构建游戏，
还能自动化任务。Python 的语法清晰易读。
"""

word_frequencies = count_word_frequencies(sample_text)

## 打印结果
print("单词频率:")
for word, count in sorted(word_frequencies.items()):
    print(f"  {word}: {count}")

## 找出最常见的单词
print("\n最常见的单词:")
sorted_words = sorted(word_frequencies.items(), key=lambda x: x[1], reverse=True)
for word, count in sorted_words[:5]:  ## 前 5 个单词
    print(f"  {word}: {count}")

2. 在终端中运行脚本：

python3 word_counter.py

你应该会看到类似以下的输出：

单词频率:
  amazing: 1
  analyze: 1
  and: 3
  applications: 1
  automate: 1
  build: 1
  can: 1
  clear: 1
  create: 1
  data: 1
  easy: 1
  games: 1
  is: 4
  learn: 1
  powerful: 1
  python: 4
  python's: 1
  readable: 1
  syntax: 1
  tasks: 1
  to: 1
  very: 1
  web: 1
  with: 1
  you: 1

最常见的单词:
  python: 4
  is: 4
  and: 3
  amazing: 1
  easy: 1

这是如何工作的

1. 我们创建一个 defaultdict(int) 来存储单词计数，默认值为 0
2. 我们处理文本中的每个单词，清理标点符号
3. 我们使用 word_counts[word] += 1 简单地增加每个单词的计数
4. 对于首次出现的单词，会自动分配默认值 0

这种方法比使用带有存在检查的常规字典要简洁得多且效率更高。

使用默认值为 0 的 defaultdict 的好处

• 简化代码：无需在增加计数前检查键是否存在
• 减少代码行数：去除了样板式的键存在检查
• 减少错误：消除了潜在的 KeyError 异常
• 更具可读性：使计数逻辑更清晰、简洁

默认值为 0 的 defaultdict 对于任何涉及计数或累加值的任务都特别有用，例如：

• 频率分析
• 直方图
• 按类别聚合数据
• 跟踪日志或数据集中的出现次数

性能比较：defaultdict 与常规字典

让我们比较一下默认值为 0 的 defaultdict 和常规字典在常见计数任务中的性能。这将帮助你了解何时选择使用其中一个。

1. 在编辑器中创建一个名为 performance_comparison.py 的新文件：

import time
from collections import defaultdict

def count_with_regular_dict(data):
    """使用常规字典统计频率。"""
    counts = {}
    for item in data:
        if item in counts:
            counts[item] += 1
        else:
            counts[item] = 1
    return counts

def count_with_defaultdict(data):
    """使用默认值为 0 的 defaultdict 统计频率。"""
    counts = defaultdict(int)
    for item in data:
        counts[item] += 1
    return counts

## 生成测试数据 - 0 到 99 之间的随机数列表
import random
random.seed(42)  ## 为了可重复的结果
data = [random.randint(0, 99) for _ in range(1000000)]

## 测量常规字典方法的时间
start_time = time.time()
result1 = count_with_regular_dict(data)
regular_dict_time = time.time() - start_time

## 测量 defaultdict 方法的时间
start_time = time.time()
result2 = count_with_defaultdict(data)
defaultdict_time = time.time() - start_time

## 打印结果
print(f"常规字典时间: {regular_dict_time:.4f} 秒")
print(f"defaultdict 时间:        {defaultdict_time:.4f} 秒")
print(f"defaultdict 快 {regular_dict_time/defaultdict_time:.2f} 倍")

## 验证两种方法的结果是否相同
assert dict(result2) == result1, "计数结果不匹配！"
print("\n两种方法产生了相同的计数结果 ✓")

## 打印一些计数结果示例
print("\n计数结果示例（前 5 项）:")
for i, (key, value) in enumerate(sorted(result1.items())):
    if i >= 5:
        break
    print(f"  数字 {key}: {value} 次出现")

2. 在终端中运行脚本：

python3 performance_comparison.py

你应该会看到类似以下的输出：

常规字典时间: 0.1075 秒
defaultdict 时间:        0.0963 秒
defaultdict 快 1.12 倍

两种方法产生了相同的计数结果 ✓

计数结果示例（前 5 项）:
  数字 0: 10192 次出现
  数字 1: 9949 次出现
  数字 2: 9929 次出现
  数字 3: 9881 次出现
  数字 4: 9922 次出现

注意：根据你的系统，你得到的精确计时结果可能会有所不同。

结果分析

性能比较表明，在计数任务中，defaultdict 通常比常规字典更快，原因如下：

1. 它无需进行键存在检查（if key in dictionary）
2. 它减少了每个项目的字典查找次数
3. 它简化了代码，这可能会使 Python 解释器进行优化

除了性能优势外，defaultdict 还具有以下优点：

• 代码简洁性：代码更简洁且易读
• 认知负担减轻：你无需记住处理缺失键的情况
• 出错机会减少：代码越少，出错的机会就越少

这使得默认值为 0 的 defaultdict 成为 Python 中计数操作、频率分析和其他累加任务的绝佳选择。

总结

在本实验中，你已经了解了 Python 的 defaultdict 以及如何使用默认值 0 来使用它。让我们回顾一下我们所涵盖的内容：

1. 我们确定了常规字典的局限性，即在访问不存在的键时会引发 KeyError
2. 我们学习了如何使用 defaultdict(int) 和 defaultdict(lambda: 0) 创建默认值为 0 的 defaultdict
3. 我们通过实现一个单词频率计数器探索了一个实际用例
4. 我们比较了 defaultdict 和常规字典的性能，发现 defaultdict 不仅更方便，而且在计数任务中更快

默认值为 0 的 defaultdict 是一个强大的工具，它简化了 Python 中的计数、累加和频率分析。通过自动处理缺失的键，它使你的代码更简洁、更高效且更不易出错。

这种模式通常用于：

• 数据处理与分析
• 自然语言处理
• 日志分析
• 游戏开发（用于评分系统）
• 任何涉及计数器或累加器的场景

通过掌握默认值为 0 的 defaultdict，你在 Python 编程工具包中添加了一个重要工具，这将帮助你编写更优雅、高效的代码。