字典对象的 Pythonic 用法（上篇）

字典对象在Python中作为最常用的数据结构之一，和数字、字符串、列表、元组并列为5大基本数据结构，字典中的元素通过键来存取，而非像列表一样通过偏移存取。笔者总结了字典的一些常用Pyhonic用法，这是字典的Pythonic用法的上篇

 

0. 使用 in/not in 检查 key 是否存在于字典

 

判断某个 key 是否存在于字典中时，一般初学者想到的方法是，先以列表的形式把字典所有键返回，再判断该key是否存在于键列表中：

 

dictionary = {}

keys = dictionary.keys()

for k in keys:

    if key == k:

        print True

        break

 

更具Pythonic的用法是使用in关键字来判断 key 是否 存在于字典中：

 

if key in dictionary:

    print True

else:

    print False

 

1. 使用 setdefault() 初始化字典键值

 

使用字典的时候经常会遇到这样一种应用场景：动态更新字典，像如下代码，如果 key 不在 dictionary 中那么就添加它并把它对应的值初始为空列表 [] ，然后把元素 append 到空列表中：

 

dictionary = {}

if "key" not in dictionary:

    dictionary["key"] = []

dictionary["key"].append("list_item")

 

尽管这段代码没有任何逻辑错误，但是我们可以使用setdefault来实现更Pyhonic的写法：

 

dictionary = {}

dictionary.setdefault("key", []).append("list_item")

 

字典调用 setdefault 方法时，首先检查 key 是否存在，如果存在该方法什么也不做，如果不存在 setdefault 就会创建该 key，并把第二个参数[]作为 key 对应的值。

 

2. 使用 defaultdict() 初始化字典

 

初始化一个字典时，如果初始情况下希望所有 key 对应的值都是某个默认的初始值，比如有一批用户的信用积分都初始为100，现在想给 a 用户增加10分

 

d = {}

if 'a' not in d:

    d['a'] = 100

d['a'] += 10

 

同样这段代码也没任何问题，换成更pyhtonic的写法是：

 

from collections import defaultdict

d = defaultdict(lambda: 100)

d['a'] += 10

 

defaultdict 是位于 collections 模块下，它是 dict 类的子类，语法结构是：

 

class collections.defaultdict([default_factory[, ...]])

 

第一个参数default_factory是一个工厂方法，每次初始化某个键的时候将会被调用，value就是default_factory返回的值，剩下的参数和dict()函数接收的参数一样

 

3. 使用 iteritems() 迭代大数据

 

迭代大数据字典时，如果是使用 items() 方法，那么在迭代之前，迭代器迭代前需要把数据完整地加载到内存，这种方式不仅处理非常慢而且浪费内存，下面代码约占1.6G内存（为什么是1.6G?可以参考：

 

http://stackoverflow.com/questions/4279358/pythons-underlying-hash-data-structure-for-dictionaries）

 

d = {i: i * 2 for i in xrange(10000000)}

for key, value in d.items():

    print("{0} = {1}".format(key, value))

 

而使用 iteritem() 方法替换 items() ，最终实现的效果一样，但是消耗的内存降低50%，为什么差距那么大呢？因为 items() 返回的是一个 list，list 在迭代的时候会预先把所有的元素加载到内存，而 iteritem() 返回的一个迭代器(iterators)，迭代器在迭代的时候，迭代元素逐个的生成。

 

d = {i: i * 2 for i in xrange(10000000)}

for key, value in d.iteritem():

    print("{0} = {1}".format(key, value))

 

4. 高效合并字典

 

普通方法

 

合并多个字典的时候可以用一行代码实现：

 

x = {'a': 1, 'b': 2}

y = {'b': 3, 'c': 4}

z = dict(x.items() + y.items())

 

这种写法看起来很Pythonic，但仔细分析的话，它的执行效率并不高，items()方法在python2.7中返回的是列表对象，两个列表相加得到一个新的列表，这样内存中存在3个列表对象，如果两个列表的大小都是1G，那么执行这段代码需要占用4G的空间来创建这个字典。此外这段代码在Python3中会报错，因为python3中items()返回的是dict_items对象，而不是列表。

 

>>> c = dict(a.items() + b.items())

Traceback (most recent call last):

  File "<stdin>", line 1, in <module>

TypeError: unsupported operand type(s) for +: 'dict_items' and 'dict_items'

 

在python3中，你需要明确地强制转换成list对象：

 

z = dict(list(x.items()) + list(y.items()))

 

Pythonic方法

 

在Python3.5中提供了一种全新的Pythonic方法：

 

z = {**x, **y}

 

不过考虑到大部分系统还是基于Python2，所以一种更兼容的pythonic方法是：

 

z = x.copy()

z.update(y)

 

当然，你可以把它封装成一个函数：

 

def merge_dicts(*dict_args):

    '''

   可以接收1个或多个字典参数

    '''

    result = {}

    for dictionary in dict_args:

        result.update(dictionary)

    return result

 

z = merge_dicts(a, b, c, d, e, f, g)

 

其他方法

 

还有其他方式来合并字典，但是性能不一定是最优的，比如： python2.7可以支持字典推导式

 

{k: v for d in dicts for k, v in d.items()}

 

python2.6及以下版本使用

 

{k: v for d in dicts for k, v in d.items()}

 

性能对比

 

import timeit

>>> min(timeit.repeat(lambda: {**x, **y}))  # python3.5

0.4094954460160807

>>> min(timeit.repeat(lambda: merge_two_dicts(x, y)))

0.5726828575134277

>>> min(timeit.repeat(lambda: {k: v for d in (x, y) for k, v in d.items()} ))

1.163769006729126

>>> min(timeit.repeat(lambda: dict((k, v) for d in (x, y) for k, v in d.items())))

2.2345519065856934

 

直接使用python3.5中的{**x, **y}是最快的，使用update次之，用字典推导式相对来说是最慢的。