例子：
所需数据：Head First Python第六部分中的数据sarah2.txt。
需求：展示跑步者的名字及其最快的三个时间。
sarah = nester.get_coach_data('sarah2.txt') (sarah_name,sarah_dob) = sarah.pop(0),sarah.pop(0) print(sarah_name+"'s fastest times are"+str(sorted(set([nester.sanintize(t) for t in sarah]))[0:3])) 一共有三个变量：sarah,sarah_name,sarah_dob。以此，所有选手都需要有三个变量。
有没有一种数据结构，可以使得一个选手的所有数据与单个的变量关联。
Python字典。将数据值与键关联。
字典是一个内置的数据结构（内置于Python中）允许将数据与键而不是数字关联。这样可以使内存中的数据与实际数据的结构保持一致。
一些简单的例子：
>>> cleese={} >>> palin=dict() >>> type(cleese) <class 'dict'> >>> type(palin) <class 'dict'> >>> cleese['Name']='John Cleese' >>> cleese['Occupations']=['actor','comedian','writer'] >>> palin={'Name':'Michael Palin','Occupations':['comedian','writer','tv']} >>> palin['Name'] 'Michael Palin' >>> cleese['Occupations'][-1] 'writer' >>> palin['BirthPlace']="Broomhill,Sheffield,England" >>> cleese['BirthPlace']="Weston-super-Mare,North Somerset,England" >>> palin {'Name': 'Michael Palin', 'Occupations': ['comedian', 'writer', 'tv'], 'BirthPlace': 'Broomhill,Sheffield,England'} >>> cleese {'Name': 'John Cleese', 'Occupations': ['actor', 'comedian', 'writer'], 'BirthPlace': 'Weston-super-Mare,North Somerset,England'}Sarah的例子用字典： sarah = nester.get_coach_data('sarah2.txt') sarah_zi={} sarah_zi['Name']=sarah.pop(0) sarah_zi['Dob']=sarah.pop(0) sarah_zi['Time']=sarah print(sarah_zi['Name']+"'s fastest times are"+str(sorted(set([nester.sanitize(t) for t in sarah_zi['Time']]))[0:3])) 算法改进：将get_coach_data函数中返回的列表改为直接返回字典的形式，而且把最快的三个时间的处理也放在其中。 def get_coach_data_new(filename): try: with open(filename) as f: data = f.readline().strip().split(',') data_dict = {} data_dict['Name']=data.pop(0) data_dict['Dob']=data.pop(0) data_dict['Time']=sorted(set([sanitize(t) for t in data]))[0:3] return data_dict except IOError as ioerr: print('File error:'+str(ioerr)) return(None) 运行： sarah = {} sarah = nester.get_coach_data_new("sarah2.txt") sarah 运行结果： {'Name': 'Sarah Sweeney', 'Dob': '2002-6-17', 'Time': ['2.18', '2.21', '2.22']}
