Dict và set trong Python: tra cứu, đếm, nhóm dữ liệu
Dùng dict để tra cứu nhanh theo khóa, set để loại trùng và so sánh tập hợp, Counter để đếm và defaultdict để nhóm dữ liệu theo nhóm.
Học xong bài này, bạn sẽ
- Tạo, đọc, cập nhật, duyệt dict
- Dùng set để loại trùng và so sánh tập hợp
- Đếm bằng Counter và nhóm bằng defaultdict
Nên học trước: List và tuple
Nội dung bài viết
Muốn biết giá của "cà phê sữa" trong một list 500 món, bạn phải duyệt từng phần tử. Với dict, bạn tra thẳng theo tên, nhanh như tra từ điển, dù có hàng triệu món. set là tập hợp không trùng, dùng để loại trùng và so sánh hai nhóm. Hai cấu trúc này cùng list là bộ ba bạn dùng mỗi ngày.
1. Dict: cặp khóa – giá trị
gia = {"cà phê": 25000, "trà sữa": 35000, "bánh mì": 20000}
print(gia["trà sữa"]) # tra theo khóa
gia["nước cam"] = 30000 # thêm mới
gia["cà phê"] = 27000 # sửa
del gia["bánh mì"] # xóa
print(gia)
print(len(gia), "cà phê" in gia, 27000 in gia)
35000
{'cà phê': 27000, 'trà sữa': 35000, 'nước cam': 30000}
3 True False
- Khóa phải là kiểu bất biến:
str,int,tuple... Không dùng list làm khóa. - Khóa không trùng; gán lại khóa cũ là sửa giá trị.
inkiểm tra khóa, không kiểm tra giá trị.- Từ Python 3.7, dict giữ thứ tự chèn.
2. Đọc an toàn và duyệt dict
gia = {"cà phê": 27000, "trà sữa": 35000}
# gia["sinh tố"] → KeyError vì không có khóa này
print(gia.get("sinh tố")) # None
print(gia.get("sinh tố", 0)) # giá trị mặc định
for mon in gia: # duyệt khóa
print(mon, end="; ")
print()
for mon, tien in gia.items(): # duyệt cặp khóa, giá trị
print(f"{mon}: {tien:,}đ")
print(list(gia.keys()), list(gia.values()))
None
0
cà phê; trà sữa;
cà phê: 27,000đ
trà sữa: 35,000đ
['cà phê', 'trà sữa'] [27000, 35000]
Dùng d[khoa] khi khóa chắc chắn có (thiếu là lỗi logic, nên để chương trình báo lỗi). Dùng d.get(khoa, mac_dinh) khi khóa có thể thiếu.
3. Dict lồng nhau: mô tả một bản ghi
nhan_vien = [
{"ten": "An", "phong": "Kế toán", "luong": 15_000_000},
{"ten": "Bình", "phong": "IT", "luong": 22_000_000},
{"ten": "Chi", "phong": "IT", "luong": 18_000_000},
]
tong_theo_phong = {}
for nv in nhan_vien:
phong = nv["phong"]
tong_theo_phong[phong] = tong_theo_phong.get(phong, 0) + nv["luong"]
print(tong_theo_phong)
cau_hinh = {"db": {"host": "localhost", "port": 5432}, "debug": True}
print(cau_hinh["db"]["port"])
{'Kế toán': 15000000, 'IT': 40000000}
5432
List chứa dict là dạng dữ liệu bạn gặp liên tục: dòng CSV, kết quả truy vấn CSDL, JSON từ Web API đều có dạng này. Mẫu d[k] = d.get(k, 0) + x dùng để cộng dồn theo nhóm.
4. Counter và defaultdict
Đếm và nhóm phổ biến đến mức module collections có sẵn công cụ riêng:
from collections import Counter, defaultdict
don = ["cà phê", "trà sữa", "cà phê", "bánh mì", "cà phê", "trà sữa"]
dem = Counter(don)
print(dem)
print(dem["cà phê"], dem["sinh tố"]) # khóa thiếu trả 0, không lỗi
print(dem.most_common(2))
theo_chu_cai = defaultdict(list) # khóa thiếu tự tạo list rỗng
for mon in sorted(set(don)):
theo_chu_cai[mon[0]].append(mon)
print(dict(theo_chu_cai))
Counter({'cà phê': 3, 'trà sữa': 2, 'bánh mì': 1})
3 0
[('cà phê', 3), ('trà sữa', 2)]
{'b': ['bánh mì'], 'c': ['cà phê'], 't': ['trà sữa']}
Counter là dict chuyên đếm; most_common(n) trả n phần tử nhiều nhất. defaultdict(list) giúp viết thẳng d[k].append(x) mà không cần kiểm tra khóa đã có chưa.
5. Set: tập hợp không trùng
the_loai = {"python", "web", "python", "data"}
print(the_loai) # phần tử trùng bị loại, thứ tự không đảm bảo
the_loai.add("ai")
the_loai.discard("web") # xóa, không lỗi nếu không có
print(sorted(the_loai), "ai" in the_loai)
rong = set() # {} là dict rỗng, không phải set rỗng
Set không có thứ tự và không có chỉ số (the_loai[0] lỗi), nên ví dụ trên in bằng sorted() để kết quả ổn định. Điểm mạnh của set: kiểm tra in cực nhanh và các phép toán tập hợp:
lop_python = {"an@x.vn", "binh@x.vn", "chi@x.vn"}
lop_sql = {"chi@x.vn", "dung@x.vn"}
print(sorted(lop_python & lop_sql)) # giao: học cả hai
print(sorted(lop_python | lop_sql)) # hợp: học ít nhất một
print(sorted(lop_python - lop_sql)) # hiệu: chỉ học Python
print(sorted(lop_python ^ lop_sql)) # hiệu đối xứng: chỉ học một lớp
['chi@x.vn']
['an@x.vn', 'binh@x.vn', 'chi@x.vn', 'dung@x.vn']
['an@x.vn', 'binh@x.vn']
['an@x.vn', 'binh@x.vn', 'dung@x.vn']
6. Chọn cấu trúc nào?
| Cần | Dùng |
|---|---|
| Dãy có thứ tự, thêm bớt, có thể trùng | list |
| Bản ghi cố định vài thành phần | tuple |
| Tra cứu theo khóa, đếm, nhóm | dict, Counter, defaultdict |
| Loại trùng, kiểm tra thành viên, so sánh nhóm | set |
Tóm tắt
d[k]khi chắc có khóa,d.get(k, mac_dinh)khi không chắc; duyệt bằng.items().Counterđể đếm,defaultdict(list)để nhóm.- Set: không trùng, không thứ tự;
&,|,-,^; set rỗng làset().
Bài tập
Bài 1. Đếm từ
Đếm số lần xuất hiện mỗi từ (không phân biệt hoa thường, bỏ dấu câu .,!?) trong đoạn văn, in 5 từ nhiều nhất.
Xem đáp án
from collections import Counter
doan_van = """Python dễ học. Python mạnh mẽ! Học Python để làm web,
làm dữ liệu, làm tự động hóa. Dễ học, dễ dùng."""
for dau in ".,!?":
doan_van = doan_van.replace(dau, " ")
dem = Counter(doan_van.lower().split())
for tu, so_lan in dem.most_common(5):
print(f"{tu:<8}{so_lan}")
python 3
dễ 3
học 3
làm 3
mạnh 1
Khi nhiều từ cùng số lần, most_common giữ thứ tự xuất hiện đầu tiên. Ở chặng 7 bạn sẽ tách từ gọn hơn bằng biểu thức chính quy.
Bài 2. So sánh hai danh sách đăng ký
Với hai list email (có thể trùng, lẫn hoa thường), in số người học cả hai khóa, danh sách người chỉ học một khóa.
Xem đáp án
khoa_a = ["An@x.vn", "binh@x.vn", "chi@x.vn", "an@x.vn"]
khoa_b = ["CHI@x.vn", "dung@x.vn", "binh@x.vn"]
a = {e.lower() for e in khoa_a}
b = {e.lower() for e in khoa_b}
print("Học cả hai:", len(a & b))
print("Chỉ học một khóa:", sorted(a ^ b))
Học cả hai: 2
Chỉ học một khóa: ['an@x.vn', 'dung@x.vn']
{e.lower() for e in khoa_a} là set comprehension: tạo set từ các email đã chuyển chữ thường. Chuẩn hóa dữ liệu trước khi so sánh là bước không thể bỏ qua với dữ liệu thật.
Nguồn tham khảo: Python Tutorial: Dictionaries; collections: Container datatypes; Set Types.
Bài tập thực hành
- Đếm số lần xuất hiện mỗi từ trong một đoạn văn, in 5 từ nhiều nhất.
- Cho hai danh sách email đăng ký hai khóa học, tìm người học cả hai và người chỉ học một khóa.
Làm xong bài tập mới chuyển sang bài tiếp theo: tự viết code là cách duy nhất để nhớ lâu.


