今天我们继续深入讲解 Python 字典的 高级用法与技巧，包括：

1. defaultdict：带默认值的字典
2. Counter：快速统计工具
3. 字典排序：按键或值排序
4. 合并字典（传统方式和 Python 3.9+ 新语法）
5. 嵌套字典的安全访问

---

collections.defaultdict：自动创建默认值

来自 collections 模块的 defaultdict 是一种可以在访问不存在的 key 时自动生成默认值的字典。

使用方式：

from collections import defaultdict# 默认值为 int()，即 0
counts = defaultdict(int)words = ['apple', 'banana', 'apple']
for word in words:counts[word] += 1print(counts)  # {'apple': 2, 'banana': 1}

常见场景：

• 统计频率（用 int 作为默认工厂）
• 创建嵌套字典（用 dict 或 defaultdict）
• 列表自动追加（用 list）

# 嵌套字典
tree = defaultdict(lambda: defaultdict(int))
tree["fruit"]["apple"] += 1# 值为列表
group = defaultdict(list)
group["math"].append("Alice")
group["math"].append("Bob")

---

collections.Counter：频率统计神器

用于快速统计元素出现次数。

from collections import Counterdata = ['apple', 'banana', 'apple', 'orange', 'banana']
count = Counter(data)print(count)          # Counter({'apple': 2, 'banana': 2, 'orange': 1})
print(count['apple']) # 2

方法：

count.most_common(2)     # [('apple', 2), ('banana', 2)]
count.update(['apple'])  # 再加一个 'apple'

---

字典排序（按 key / value）

字典本身是无序（3.6 之后有序表现，但不用于排序），你可以使用 sorted() 对字典内容排序：

按值排序：

d = {'a': 3, 'b': 1, 'c': 2}
sorted_items = sorted(d.items(), key=lambda item: item[1])print(dict(sorted_items))  # {'b': 1, 'c': 2, 'a': 3}

按键排序：

sorted_by_key = dict(sorted(d.items(), key=lambda x: x[0]))

---

合并字典的方法

Python < 3.9：

a = {'x': 1, 'y': 2}
b = {'y': 3, 'z': 4}
merged = {**a, **b}  # 若键冲突，b 会覆盖 a

Python ≥ 3.9 新写法：

a = {'x': 1}
b = {'y': 2}
c = a | b  # 合并

---

安全访问嵌套字典

防止 KeyError 的方式：

person = {"name": "Alice","address": {"city": "Beijing","code": 10001}
}# 安全访问嵌套值
city = person.get("address", {}).get("city", "Unknown")

---

补充：创建嵌套字典的 defaultdict 技巧

nested = defaultdict(lambda: defaultdict(list))
nested["class"]["math"].append("Alice")

下面通过两个实战小项目，深入掌握 Counter 和 defaultdict 的应用技巧：

---

项目一：使用 Counter 实现词频统计器（英文）

目标：读取一段文本，统计其中每个单词出现的次数，并输出出现频率最高的前 N 个单词。

示例代码：

from collections import Counter
import redef word_count(text, top_n=10):# 使用正则将文本中的单词提取出来（忽略大小写）words = re.findall(r'\b\w+\b', text.lower())# 用 Counter 统计频率counter = Counter(words)# 输出前 N 个高频词for word, freq in counter.most_common(top_n):print(f"{word}: {freq}")# 示例用法
text = """
Natural language processing (NLP) is a subfield of linguistics, computer science, and artificial intelligence 
concerned with the interactions between computers and human language.
"""word_count(text, top_n=5)

输出示例：

and: 3
language: 2
natural: 1
processing: 1
nlp: 1

---

项目二：使用 defaultdict 构建嵌套 JSON-like 数据结构

目标：自动构建一个部门 -> 课程 -> 学生列表 的嵌套结构。

示例代码：

from collections import defaultdict
import json# 三层嵌套 defaultdict
school = defaultdict(lambda: defaultdict(list))# 添加数据
school["Engineering"]["Math"].append("Alice")
school["Engineering"]["Math"].append("Bob")
school["Engineering"]["Physics"].append("Charlie")
school["Arts"]["Literature"].append("Daisy")# 可转为普通 dict 方便输出
def convert(d):if isinstance(d, defaultdict):d = {k: convert(v) for k, v in d.items()}return d# 打印嵌套 JSON 样式
print(json.dumps(convert(school), indent=2))

输出示例：

{"Engineering": {"Math": ["Alice","Bob"],"Physics": ["Charlie"]},"Arts": {"Literature": ["Daisy"]}
}

---

总结

工具	用途	优势
Counter	快速统计元素频率	简洁、可排序、可更新
defaultdict	自动初始化默认值，构建嵌套结构	不必手动判断 key 是否存在