⭐ Python Developer · Chặng 2Bài 2/5Bài học~60 phút

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.

Dict và set trong Python: tra cứu, đếm, nhóm dữ liệu

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
  1. 1. Dict: cặp khóa – giá trị
  2. 2. Đọc an toàn và duyệt dict
  3. 3. Dict lồng nhau: mô tả một bản ghi
  4. 4. Counter và defaultdict
  5. 5. Set: tập hợp không trùng
  6. 6. Chọn cấu trúc nào?
  7. Tóm tắt
  8. Bài tập

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.
  • in kiểm 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']
Vì sao dict và set tra cứu nhanh?Chúng dùng bảng băm: Python tính "mã băm" của khóa để nhảy thẳng tới vị trí lưu, nên thời gian tra cứu gần như không đổi dù có 10 hay 10 triệu phần tử. Tìm trong list thì phải so lần lượt. Ở chặng 10 bạn sẽ tự đo sự khác biệt này.

6. Chọn cấu trúc nào?

CầnDùng
Dãy có thứ tự, thêm bớt, có thể trùnglist
Bản ghi cố định vài thành phầntuple
Tra cứu theo khóa, đếm, nhómdict, Counter, defaultdict
Loại trùng, kiểm tra thành viên, so sánh nhómset

Tóm tắt

  • d[k] khi chắc có khóa, d.get(k, mac_dinh) khi không chắc; duyệt bằng .items().
  • Counter để đếm, defaultdict(list) để nhóm.
  • Set: không trùng, không thứ tự; &, |, -, ^; set rỗng là set().

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

  1. Đếm số lần xuất hiện mỗi từ trong một đoạn văn, in 5 từ nhiều nhất.
  2. 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.

Bài tiếp theo
Ban biên tập HocFree

Chúng tôi viết những bài hướng dẫn dễ hiểu, thực tế để ai cũng có thể tự học lập trình và AI, hoàn toàn miễn phí.