ساختار داده دیکشنری در پایتون

در پایتون، برای ذخیره‌سازی و مدیریت داده‌های ساختاریافته و رابطه‌ای، از ساختار داده‌ای به نام دیکشنری (Dictionary) استفاده می‌شود. برخلاف دنباله‌هایی مثل لیست که بر پایه موقعیت عددی هستند، دیکشنری‌ها داده‌ها را در قالب جفت‌های «کلید: مقدار» (Key-Value Pairs) نگهداری می‌کنند.

دیکشنری چیست ؟

دیکشنری یک ساختار داده نگاشتی (Mapping)، مرتب (Insertion-Ordered از پایتون ۳.۷ به بعد)، تغییرپذیر (Mutable) و با کلیدهای یکتا (Unique) است.

• کلید (Key): به عنوان شناسه منحصر‌به‌فرد داده عمل می‌کند و باید تغییرناپذیر (Immutable) مانند رشته، عدد یا تاپل باشد.
• مقدار (Value): داده متناظر با کلید است و هر نوع داده‌ای می‌تواند باشد.
• کاربردها:
  1. ذخیره اطلاعات شناسنامه‌ای و رکوردهای پایگاه داده (مانند پرونده کاربر یا بیمار).
  2. مدیریت تنظیمات (Configuration) و فایل‌های پیکربندی سیستم.
  3. تبادل داده‌ها در وب و سرویس‌های API در فرمت JSON.
  4. ساخت جدول‌های جست‌وجو (Lookup Tables) و شمارنده‌های سریع

نحوه ساخت دیکشنری

دیکشنری با آکولاد {} یا با استفاده از تابع سازنده dict() ساخته می‌شود:

# دیکشنری خالی
empty_dict = {}

# دیکشنری ساده
user = {"name": "Sara", "age": 28}

دیکشنری می‌تواند انواع داده مختلف را در کلیدها و مقادیر خود جا دهد (حتی لیست و دیکشنری دیگر به عنوان مقدار):

patient_record = {
    "patient_id": 1042,                  # عدد صحیح
    "name": "Mina",                     # رشته
    "is_admitted": True,                # بولین
    "heart_rate_avg": 72.4,             # اعشاری
    "leads": ["Lead I", "Lead II"],     # لیست
    "metadata": {"sampling_rate": 500}  # دیکشنری تودرتو
}

نحوه دسترسی و اندیس‌گذاری و مفهوم اسلایسینگ

• اندیس‌گذاری (Indexing): دیکشنری‌ها اندیس عددی ترتیبی مثل [0] ندارند؛ دسترسی به مقادیر مستقیماً از طریق کلیدها انجام می‌شود:

info = {"brand": "Tesla", "model": "Model 3"}
print(info["brand"])  # خروجی: 'Tesla'

• عدم وجود اسلایسینگ (Slicing): دیکشنری‌ها از برش‌دادن یا اسلایسینگ (مانند dict[0:2]) پشتیبانی نمی‌کنند؛ زیرا مبتنی بر برچسب یا کلید هستند و مفهومی به نام توالی اندیسی ندارند.

متدهای پرکاربرد دیکشنری

متد get(key, default)

• توضیح: مقدار متناظر با کلید را برمی‌گرداند. اگر کلید وجود نداشته باشد، به جای ایجاد خطای KeyError، مقدار پیش‌فرض را می‌دهد.
• صورت مسئله: می‌خواهیم وضعیت بیمه یک بیمار را دریافت کنیم؛ در صورتی که ثبت نشده باشد، مقدار "نامشخص" برگردانده شود.

patient = {"name": "Ali", "age": 45}
status = patient.get("insurance", "نامشخص")
print(status)  # خروجی: نامشخص

متد keys()

• توضیح: نمایی (View) از تمامی کلیدهای موجود در دیکشنری را بازمی‌گرداند.
• صورت مسئله: می‌خواهیم لیست سنسورهایی که در حال حاضر داده ثبت کرده‌اند را استخراج کنیم.

readings = {"temp": 24.5, "pressure": 101.3, "humidity": 60}
sensor_list = readings.keys()
print(sensor_list)  # خروجی: dict_keys(['temp', 'pressure', 'humidity'])

متد values()

• توضیح: نمایی از تمام مقادیر ذخیره‌شده در دیکشنری را استخراج می‌کند.
• صورت مسئله: می‌خواهیم تمام نمرات ذخیره‌شده دانشجو را بدون کلید نام درس‌ها به دست آوریم.

grades = {"Math": 18.5, "Physics": 17.0, "Programming": 20.0}
all_scores = grades.values()
print(all_scores)  # خروجی: dict_values([18.5, 17.0, 20.0])

متد items()

• توضیح: جفت‌های «کلید، مقدار» را به صورت تاپل‌های دونفره بازمی‌گرداند؛ مناسب برای پیمایش با حلقه.
• صورت مسئله: می‌خواهیم شناسه خطا و پیام مربوط به آن را خط به خط چاپ کنیم.

errors = {404: "Not Found", 500: "Server Error"}
for code, msg in errors.items():
    print(f"Error {code}: {msg}")
# خروجی:
# Error 404: Not Found
# Error 500: Server Error

متد update(other_dict)

• توضیح: دیکشنری را با جفت‌های جدید ادغام کرده یا مقادیر کلیدهای تکراری را به‌روزرسانی می‌کند.
• صورت مسئله: می‌خواهیم مشخصات جدید شماره تماس را به پرونده کاربر اضافه کنیم.

user_profile = {"id": 101, "name": "Reza"}
user_profile.update({"phone": "09120000000", "name": "Reza Rahimi"})
print(user_profile)  # خروجی: {'id': 101, 'name': 'Reza Rahimi', 'phone': '09120000000'}

متد pop(key, default)

• توضیح: جفت کلید و مقدار مشخص‌شده را از دیکشنری حذف کرده و مقدار آن را برمی‌گرداند.
• صورت مسئله: می‌خواهیم توکن موقت احراز هویت را پس از دریافت از دیکشنری خارج و حذف کنیم.

session = {"user": "admin", "token": "xyz123"}
token = session.pop("token")
print("توکن حذف شده:", token)    # خروجی: xyz123
print("دیکشنری باقی‌مانده:", session) # خروجی: {'user': 'admin'}

متد popitem()

• توضیح: آخرین جفت (کلید، مقدار) اضافه‌شده به دیکشنری را حذف کرده و به شکل یک تاپل برمی‌گرداند.
• صورت مسئله: می‌خواهیم آخرین ورودی پردازش‌نشده را از لاگ موقت خارج کنیم.

logs = {"log1": "OK", "log2": "WARN", "log3": "FAIL"}
last_entry = logs.popitem()
print("حذف شد:", last_entry)  # خروجی: ('log3', 'FAIL')
print("لاگ‌ها:", logs)         # خروجی: {'log1': 'OK', 'log2': 'WARN'}

متد setdefault(key, default)

• توضیح: اگر کلید وجود داشته باشد مقدارش را برمی‌گرداند؛ اگر نباشد، کلید را با مقدار پیش‌فرض ثبت کرده و بازمی‌گرداند.
• صورت مسئله: می‌خواهیم اگر نقشی برای کاربر تعریف نشده بود، نقش پیش‌فرض "viewer" برای او ذخیره شود.

user_role = {"username": "mina_n"}
role = user_role.setdefault("role", "viewer")
print("نقش:", role)          # خروجی: viewer
print(user_role)             # خروجی: {'username': 'mina_n', 'role': 'viewer'}

متد copy()

• توضیح: یک کپی سطحی و مستقل از دیکشنری می‌سازد تا تغییرات نسخه جدید روی دیکشنری اصلی اثر نگذارد.
• صورت مسئله: می‌خواهیم پیش از تغییر تنظیمات اولیه، یک نسخه پشتیبان از دیکشنری تنظیمات داشته باشیم.

config = {"theme": "dark", "volume": 80}
config_backup = config.copy()
config["volume"] = 90
print("اصلی:", config)        # خروجی: {'theme': 'dark', 'volume': 90}
print("پشتیبان:", config_backup) # خروجی: {'theme': 'dark', 'volume': 80}

متد clear()

• توضیح: تمامی اعضا و جفت‌های کلید-مقدار دیکشنری را کاملاً پاک می‌کند.
• صورت مسئله: می‌خواهیم کش موقت سیستم را خالی کنیم.

cache = {"page1": "cached_data", "page2": "cached_data"}
cache.clear()
print(cache)  # خروجی: {}

متد fromkeys(keys, value)

• توضیح: یک دیکشنری جدید بر پایه یک دنباله از کلیدها و با یک مقدار پیش‌فرض مشترک می‌سازد.
• صورت مسئله: می‌خواهیم وضعیت اولیه تمام پورت‌های شبکه را روی وضعیت "closed" قرار دهیم.

ports = [80, 443, 8080]
port_status = dict.fromkeys(ports, "closed")
print(port_status)  # خروجی: {80: 'closed', 443: 'closed', 8080: 'closed'}

۵. محدودیت دیکشنری‌ها:

دیکشنری‌ها به هیچ وجه امکان انجام عملیات ریاضی و برداری مستقیم را ندارند:

• نمی‌توان دو دیکشنری عددی را با عملگر + یا * با یکدیگر جمع یا ضرب کرد.
• اعمال ریاضی روی دیکشنری باعث ایجاد خطای TypeError می‌شود.

dict_a = {"x": 10, "y": 20}
dict_b = {"x": 5, "y": 15}

# دستور زیر با خطای TypeError مواجه می‌شود:
# result = dict_a + dict_b

نکته: برای انجام محاسبات ریاضی و جدولی روی داده‌های ساختاریافته، در پایتون از فریم‌ورک‌ها و کتابخانه‌های تخصصی مانند Pandas (DataFrame) استفاده می‌شود.

۶. سه مثال کاربردی

مثال ۱: شمارش بسامد و فرکانس تکرار داده‌ها

استفاده از دیکشنری برای شمارش تعداد دسته‌بندی‌ها (Frequency Counter) در یک لیست نمونه:

classes = ["NORM", "MI", "STTC", "NORM", "MI", "NORM"]
counts = {}

for label in classes:
    if label in counts:
        counts[label] += 1
    else:
        counts[label] = 1

print("تعداد هر کلاس:", counts)
# خروجی: {'NORM': 3, 'MI': 2, 'STTC': 1}

مثال ۲: سیستم مدیریت موجودی انبار فروشگاه

بررسی، افزایش یا کاهش موجودی کالاها با دسترسی کلید-محور:

inventory = {"apple": 50, "banana": 20, "orange": 35}

# فروش ۱۰ عدد سیب
inventory["apple"] -= 10

# افزودن کالای جدید
inventory["grape"] = 40

print("موجودی به‌روز انبار:", inventory)
# خروجی: {'apple': 40, 'banana': 20, 'orange': 35, 'grape': 40}

مثال ۳: ساخت دفترچه تلفن و جست‌وجوی مستقیم

ذخیره اطلاعات تماس و جست‌وجوی سریع شماره با استفاده از نام فرد:

phonebook = {
    "Ali": "09121111111",
    "Sara": "09122222222",
    "Mina": "09123333333"
}

contact_name = "Sara"
if contact_name in phonebook:
    print(f"شماره {contact_name}: {phonebook[contact_name]}")
else:
    print("مخاطب یافت نشد.")
# خروجی: شماره Sara: 09122222222