Python字典作为键值对存储的核心数据结构，在数据处理、接口返回解析、配置读取等场景中应用十分广泛，掌握高效的值提取方法和合理的数据结构优化思路，能有效提升代码的执行效率和可维护性。
常见的字典值提取方法
1. 直接键访问法
这是最基础的提取方式，直接通过字典的键获取对应的值，但是如果键不存在会抛出KeyError异常，适合确定键一定存在的场景。
# 定义测试字典
user_info = {"name": "张三", "age": 25, "city": "北京"}
# 直接提取键对应的值
name = user_info["name"]
age = user_info["age"]
print(name) # 输出：张三
print(age) # 输出：25
2. get()方法提取
使用字典的get()方法提取值时，如果键不存在可以返回默认参数，避免异常抛出，适合键可能不存在的场景。
user_info = {"name": "张三", "age": 25, "city": "北京"}
# 提取存在的键
name = user_info.get("name")
# 提取不存在的键，返回默认值
gender = user_info.get("gender", "未知")
print(name) # 输出：张三
print(gender) # 输出：未知
3. 字典推导式批量提取
当需要批量提取多个键的值，或者对值做统一处理时，可以使用字典推导式，代码更简洁易读。
user_info = {"name": "张三", "age": 25, "city": "北京", "score": 90}
# 批量提取name和age的值，组成新的字典
target_info = {k: user_info[k] for k in ["name", "age"] if k in user_info}
print(target_info) # 输出：{'name': '张三', 'age': 25}
4. items()方法遍历提取
如果需要同时处理键和值，或者根据值的特征筛选提取，可以使用items()方法遍历字典。
user_info = {"name": "张三", "age": 25, "city": "北京", "score": 90}
# 提取值大于50的键值对
high_value_items = {k: v for k, v in user_info.items() if (isinstance(v, int) and v > 50)}
print(high_value_items) # 输出：{'score': 90}
不同提取方法的性能对比
我们通过简单的性能测试对比几种常用方法的执行效率，测试场景为从包含10000个键值对的字典中提取1000个存在的键对应的值。
import time
# 构造测试字典
test_dict = {i: i * 2 for i in range(10000)}
target_keys = list(range(1000))
# 测试直接键访问法
start = time.time()
for _ in range(1000):
result = [test_dict[k] for k in target_keys]
print(f"直接键访问法耗时：{time.time() - start:.6f}秒")
# 测试get()方法
start = time.time()
for _ in range(1000):
result = [test_dict.get(k) for k in target_keys]
print(f"get()方法耗时：{time.time() - start:.6f}秒")
# 测试字典推导式
start = time.time()
for _ in range(1000):
result = {k: test_dict[k] for k in target_keys}
print(f"字典推导式耗时：{time.time() - start:.6f}秒")
测试结果显示，直接键访问法的执行效率最高，其次是字典推导式，get()方法因为需要处理默认参数的逻辑，效率稍低。如果确定键一定存在，优先使用直接访问法；如果键可能不存在，再选择get()方法。
字典相关的数据结构优化思路
1. 避免过度嵌套字典
很多开发者习惯用多层嵌套字典存储复杂数据，比如data["user"]["info"]["name"]这种结构，嵌套层级过深会导致值提取时代码冗长，同时增加访问的时间开销。如果嵌套层级超过3层，建议转换为自定义类或者使用types.SimpleNamespace存储数据。
from types import SimpleNamespace
# 嵌套字典结构
nested_dict = {
"user": {
"info": {
"name": "张三",
"age": 25
}
}
}
# 转换为SimpleNamespace结构
user_obj = SimpleNamespace(
user=SimpleNamespace(
info=SimpleNamespace(name="张三", age=25)
)
)
# 访问值更简洁，性能也更好
print(user_obj.user.info.name) # 输出：张三
2. 预定义键集合减少判断开销
如果经常需要判断某些键是否存在于字典中，或者批量提取固定键的值，可以提前把需要的键存到集合中，减少重复的in判断开销。
# 预定义需要的键集合
required_keys = {"name", "age", "city"}
user_info = {"name": "张三", "age": 25, "city": "北京", "score": 90}
# 批量提取时直接判断键是否在集合中，比逐个判断更快
target_info = {k: user_info[k] for k in required_keys if k in user_info}
print(target_info) # 输出：{'name': '张三', 'age': 25, 'city': '北京'}
3. 大字典场景使用__missing__优化默认值处理
如果字典需要频繁处理不存在的键，并且默认值的生成逻辑比较复杂，可以自定义字典类重写__missing__方法，避免每次调用get()时重复传入默认参数。
class DefaultDict(dict):
def __init__(self, default_func):
super().__init__()
self.default_func = default_func
def __missing__(self, key):
# 键不存在时返回默认函数生成的值
return self.default_func(key)
# 定义默认返回值生成函数
def default_value(key):
return f"键{key}不存在"
# 实例化自定义字典
my_dict = DefaultDict(default_value)
my_dict["name"] = "张三"
print(my_dict["name"]) # 输出：张三
print(my_dict["gender"]) # 输出：键gender不存在
4. 高频查询场景使用frozendict替代普通字典
如果字典的内容初始化后不会再修改，但是需要频繁查询值，可以使用frozendict（需要安装第三方库）替代普通字典，它的查询性能比普通字典更高，同时是不可变的，能避免数据被意外修改。
from frozendict import frozendict
# 定义不可变字典
config = frozendict({
"host": "127.0.0.1",
"port": 8080,
"debug": False
})
# 查询值性能和普通字典相当，但是内容不可修改
print(config["host"]) # 输出：127.0.0.1
# config["host"] = "192.168.0.1" # 这行会抛出AttributeError异常
总结
字典值提取需要根据实际场景选择合适的方法，确定键存在的场景用直接访问法效率最高，键可能不存在的场景用get()方法更安全。数据结构优化方面，要避免字典过度嵌套，根据使用场景选择合适的存储结构，大字典或者高频查询场景可以用自定义字典类或者不可变字典提升性能。合理运用这些技巧，能有效提升Python代码的执行效率和可维护性。