字典对象在Python中作为最常用的数据结构之一，和数字、字符串、列表、元组并列为5大基本数据结构，字典中的元素通过键来存取，而非像列表一样通过偏移存取。笔者总结了字典的一些常用Pyhonic用法，这是字典的Pythonic用法的上篇
0. 使用 in/not in 检查 key 是否存在于字典
判断某个 key 是否存在于字典中时，一般初学者想到的方法是，先以列表的形式把字典所有键返回，再判断该key是否存在于键列表中：
-
dictionary = {} -
keys = dictionary.keys() -
for k in keys: -
if key == k: -
print True -
break
更具Pythonic的用法是使用 in关键字来判断 key 是否 存在于字典中：
-
if key in dictionary: -
print True -
else: -
print False
1. 使用 setdefault() 初始化字典键值
使用字典的时候经常会遇到这样一种应用场景：动态更新字典，像如下代码，如果 key 不在 dictionary 中那么就添加它并把它对应的值初始为空列表 [] ，然后把元素 append 到空列表中：
-
dictionary = {} -
if "key" not in dictionary: -
dictionary["key"] = [] -
dictionary["key"].append("list_item")
尽管这段代码没有任何逻辑错误，但是我们可以使用 setdefault来实现更Pyhonic的写法：
-
dictionary = {} -
dictionary.setdefault("key", []).append("list_item")
字典调用 setdefault 方法时，首先检查 key 是否存在，如果存在该方法什么也不做，如果不存在 setdefault 就会创建该 key，并把第二个参数 []作为 key 对应的值。
2. 使用 defaultdict() 初始化字典
初始化一个字典时，如果初始情况下希望所有 key 对应的值都是某个默认的初始值，比如有一批用户的信用积分都初始为100，现在想给 a 用户增加10分
-
d = {} -
if 'a' not in d: -
d['a'] = 100 -
d['a'] += 10
同样这段代码也没任何问题，换成更pyhtonic的写法是：
-
from collections import defaultdict -
d = defaultdict(lambda: 100) -
d['a'] += 10
defaultdict 是位于 collections 模块下，它是 dict 类的子类，语法结构是：
-
class collections.defaultdict([default_factory[, ...]])
第一个参数 default_factory是一个工厂方法，每次初始化某个键的时候将会被调用，value就是 default_factory返回的值，剩下的参数和 dict()函数接收的参数一样
3. 使用 iteritems() 迭代大数据
迭代大数据字典时，如果是使用 items() 方法，那么在迭代之前，迭代器迭代前需要把数据完整地加载到内存，这种方式不仅处理非常慢而且浪费内存，下面代码约占1.6G内存（为什么是1.6G?可以参考：http://*.com/questions/4279358/pythons-underlying-hash-data-structure-for-dictionaries）
-
d = {i: i * 2 for i in xrange(10000000)} -
for key, value in d.items(): -
print("{0} = {1}".format(key, value))
而使用 iteritem() 方法替换 items() ，最终实现的效果一样，但是消耗的内存降低50%，为什么差距那么大呢？因为 items() 返回的是一个 list，list 在迭代的时候会预先把所有的元素加载到内存，而 iteritem() 返回的一个迭代器(iterators)，迭代器在迭代的时候，迭代元素逐个的生成。
-
d = {i: i * 2 for i in xrange(10000000)} -
for key, value in d.iteritem(): -
print("{0} = {1}".format(key, value))