一行代码搞定字典合并？
【回复“python”，送你十本电子书】
导读这篇教程探讨了怎样合并字典才最符合Python语言习惯的（idiomatic），并且只使用一行代码。笔者第一时间翻译出来，与大家一起分享学习。
—EarlGrey@编程派
你有没有想过在Python中合并两个或以上字典？
有很多种方法可以解决这个问题：有些比较拙劣，有些不准确，而且大部分都要许多行代码。
接下来我们一一介绍解决这个问题的不同方法，一起探讨到底哪一种是最Pythonic的。
在讨论解决方案之前，我们需要明确定义问题。
我们的代码中有两个字典：user和defaults。我们希望将二者合并至一个叫context的新字典里。
需要满足以下要求：
如果存在重复的键，user字典中的值应覆盖defaults字典中的值；
defaults和user中的键可以是任意合法的键；
defaults和user中的值可以是任意值；
在创建context字典时，defaults和user的元素不能出现变化；
更新context字典时，不能更改defaults或user字典。
注意：对于第五个要求，我们关注的是对字典的更新，而不是其中包含的对象。如果担心字典中嵌套对象的可变性，我们可以考虑使用copy.deepcopy。
基本上，我们希望实现下面的操作：
>>> user = {'name': "Trey", 'website': "http://treyhunner.com"}
>>> defaults = {'name': "Anonymous User", 'page_name': "Profile Page"}
>>> context = merge_dicts(defaults, user) # magical merge function
>>> context
{'website': 'http://treyhunner.com', 'name': 'Trey', 'page_name': 'Profile Page'}
我们还要考虑解决方法是否Pythonic。但是这又是非常主观的。下面是我们使用的一些评判标准：
解决方法应该简洁，但不简短；
解决方法应该可读，但不过度冗长；
可能的话，解决方法应该为一行代码，需要的话可以内联化（written inline）；
解决方法的效率不应该太低。
既然定义完了需要解决的问题，接下来我们探讨下都有哪些解决方法，并分析其中哪个最准确，哪个最符合Python语言习惯。
多次更新（multiple_update）
下面是一种最简单的合并字典的方式：
context = {}
context.update(defaults)
context.update(user)
这里我们创建了一个新的空字典，并使用其update方法从其他字典中添加元素。请注意，我们首先添加的是defaults字典中的元素，以保证user字典中的重复键会覆盖掉defaults中的键。
它满足了全部5个要求，所以这个方法是准确的。它总共有3行代码，不能内联执行，但是代码很清晰。
得分：
准确：是。
符合语言习惯：比较符合，如果能够内联执行的话就更好了
复制，然后更新（copy and update）
另外，我们可以复制defaults字典，然后使用user来更新复制的字典。
context = defaults.copy()context.update(user)
这种方法与前一种区别不大。
对于本文所探讨的问题，我更喜欢这种复制defaults字典的方法，可以很明显地看出defaults字典代表了默认值。
得分：
准确：是。
符合语言习惯：是。
字典构造器
我们还可以将需要处理的字典传入字典构造器（dict()），这样也能复制字典。
context = dict(defaults)
context.update(user)
此法与前一种非常相似， 但是没有前一种直接明了（less explicit）。
得分：
准确：是。
符合语言习惯：一定程度上符合，不过我更喜欢前两种方案。
关键词参数hack（keywords hack）
你以前可能见过下面这个巧妙的解决方法：
只有一行代码，看上去很酷嘛。不过，这种解决方法有点难理解。
除了可读性之外，还有一个更严重的问题：这种方案是错的。
字典的键必须是字符串。在Python 2（解释器是CPython）中，我们可以使用非字符串作为键，但别被蒙骗了：这种hack只是凑巧在使用标准CPython运行环境的Python 2中才有效。
得分：
准确：否。没有满足第二点要求（键必须有效）
符合语言习惯：否。这是一个hack。
字典解析（Dictionary comprehension）
我们尝试下使用字典解析式来解决这个问题：
代码没问题，但是可读性有点差。
如果我们要处理未知数量的字典，这可能是种好方法，但是我们应该会想把字典解析式拆成多行，提高可读性。在只处理两个字典的情况下，这个双嵌套（double nested）的解析式有点大材小用了。
得分：
准确：是。
符合语言习惯：可以认为不符合。
元素拼接（concatenate items）
假如我们从每个字典中获取一个元素列表，将列表拼接起来，然后再利用拼接的列表在构建新字典？
结果真的成功了。我们可以确定user字典中的键值会覆盖掉defaults字典中的值，因为user字典的元素位于拼接列表的尾部。
在Python 2下，我们不需要先将字典转换成列表，但是本文中我们使用的是Python 3（你也用的是Python 3，对吧？）。
得分：
准确：是。
符合语言习惯：不特别符合，代码有些重复。
元素并集（union items）
在Python 3中，字典的items方法会返回一个dict_items对象，这是一个奇怪对象，居然支持并集操作。
这种方案挺有意思。可惜并不准确。
首先，没有满足第一点要求（user字典应该覆盖defaults）。因为两个dict_items对象的并集是一个键值对（key-value pairs）的集合，而集合是无序的，所以重复键的处理方法无法预测。
另外，没有满足第三点要求（可以是任意的值），因为集合要求其中元素必须可哈希的，所以键-值元组中的键和值都必须是可哈希的才行。
得分：
准确：否。没有满足第一点和第三点要求。
符合语言习惯：否。
Chain items
目前为止，我们讨论的解决方案中，最符合Python语言习惯而且又只有一行代码的实现，是创建两个items的列表，然后拼接并组成新字典。
我们可以使用itertools.chain来简化items拼接的过程：
这种方案效果不错，可能比另外创建两个不必要的列表更加高效。
得分：
准确：是。
符合语言习惯：比较符合，但是有点重复调用items方法。
ChainMap
ChainMap可以让我们不用遍历初始字典，就创建一个新字典：
ChainMap将多个字典打包成一个proxy对象（一个“视图”）；ChainMap查找命令（译者注：如context['name']）会检索其中的字典，直到找到匹配的对象。
这里有几个问题需要回答。
我们为什么把user放在defaults前面？
将参数按这样的顺序排列的目的，是为了确保满足第一个点要求。ChainMap是按照顺序检索字典的，所以user会在defaults之前返回匹配的值。
为什么user之前有一个空字典？
这是为了满足第五点要求。如果我们修改ChainMap对象，会影响到里面提供的第一个字典。我们不希望user发生变化，所以在前面放了一个空字典。
这样真的会返回一个字典吗？
ChainMap对象不是字典，而是类似字典的映射。如果我们的代码中使用鸭子类型（duck typing），使用ChainMap是没问题的，但是需要具体查看ChainMap的特性才能确定。此外，ChainMap对象与其底层的字典是相互勾连的，而且其删除元素的方式也很有趣。
得分：
准确：可能准确，需要考虑具体的用例。
符合语言习惯：如果我们认为这种实现符合用例，那就是符合习惯的。
ChainMap转换成字典（dict from ChainMap）
如果我们特别想要字典，可以将ChainMap转换成字典：
需要注意的是，在其他解决方案中，user一般出现在defaults之后；但是在这里却相反。除了这点外，上面的代码还是比较简单，也明显符合我们的要求。
得分：
准确：是。
符合语言习惯：是。
字典拼接（Dictionary concatenation）
我们能不能把两个字典拼接起来呢？
这个想法很好，但可惜却是不合法的。
得分：
准确：否。无法执行。
符合语言习惯：否。
字典拆分（Dictionary unpacking）
如果你在用Python 3.5，你可以使用一种全新的合并字典的方式（对亏了PEP 448）：
这行代码很简洁，很Pythonic。虽然里面有一些特殊符号，但是最后的结果至少是一个字典。
这段代码在功能上与本文介绍的第一个方案是等价的：在第一个方案中，我们新建了一个空字典，然后依次往里面填充了来自defaults和user的元素。它满足我们所有的要求，而且很可能是最简单的一个解决方案。
得分：
准确：是。
符合语言习惯：是。
在Python中有许多种合并字典的方法，但是能用一行代码优雅地实现的方法并不多。
如果你使用Python 3.5，那么你应该这样解决合并字典的问题：
如果你还没有使用Python 3.5，建议你查看上面介绍的那些方法，确定哪一种最符合你的需求。
作者：Trey Hunner
译者：EarlGrey
作者提供的各种方案的性能比较如下：
multiple_update: 57 ms
copy_and_update: 46 ms
dict_constructor: 56 ms
kwargs_hack: 45 ms
dict_comprehension: 45 ms
concatenate_items: 166 ms
union_items: 163 ms
chain_items: 122 ms
chainmap: 86 ms
dict_from_chainmap: 445 ms
dict_unpacking: 27 ms
...
点击图片阅读我们的推荐
点击关键词查看对应内容：
Vim | Sublime Text 3 | Emacs | PyCharm 5 | 引力波 | Python简史 | MITx公开课 | 编码风格 | Python入门 | 程序员的日常
点击“阅读原文”，查看更多Python编程相关内容。
编程派 ∣专注Python编程