【问题标题】:Python: dict comprehension with multiple key-value pairs in the same timePython:同时具有多个键值对的dict理解
【发布时间】:2016-03-26 17:29:28
【问题描述】:

目标:表达的工作类似物

{k1: v1, k2: v2 for k1, k2, v1, v2 in data}

或更具体的情况{k1: v, k2: v for k1, k2, v, _ in data}

仅迭代data 1 次(在给定的示例中,data 是 4 元组的可迭代对象)。

(以及关于列表理解的类似问题,例如[myfunc1(v1), myfunc2(v2) for v1, v2 in data])。

我只能假设使用自己的迭代器的解决方案:

def getby(iterable_data, iterable_indexes):
    for indexed_data in iterable_data:
        for tupl in iterable_indexes:
            yield tuple(indexed_data[ind] for ind in tupl)
    raise StopIteration

工作示例:list(getby([('a', 'b', 'c'), ('d', 'e', 'f', 'g')], [(0, 1), (2, 1)])) 返回[('a', 'b'), ('c', 'b'), ('d', 'e'), ('f', 'e')]。 但可能它很慢。

我也可以假设上面的 itertools.chainitertools.groupby 的等价表达式:

list(chain.from_iterable(lst for lst, _ in groupby([('a', 'b', 'c'), ('d', 'e', 'f', 'g')],
                                                   lambda lst: [(lst[0], lst[1]), (lst[2], lst[1])])))

但可能很丑。

基于 ipython 的两个解决方案的比较:第一个 1000 次循环,最好的 3:20.2 ms 每个循环,第二个 1000 次循环,最好的 3 : 4.12 ms 每个循环,所以第二个解决方案确实更快。但也许存在更优雅的解决方案?

【问题讨论】:

  • 可能是{k: v for k1, k2, v1, v2 in data for k, v in ((k1, v1), (k2, v2))}?特殊情况:{k: v for k1, k2, v, _ in data for k in (k1, k2)}.
  • @Delgan,当然!这是一个非常优雅的解决方案,运行速度稍快!谢谢!
  • 没问题,别忘了接受@Martijn的解决方案。 ;)

标签: python python-3.x list-comprehension dictionary-comprehension


【解决方案1】:

理解格式严格限制为每次迭代一个结果。不过,您可以添加额外的循环,以遍历要插入的多个元素:

{k: v for k1, k2, v1, v2 in data for k, v in ((k1, v1), (k2, v2))}

或者你的第二个例子:

{k: v for k1, k2, v, _ in data for k in (k1, k2)}

相当于:

result = {}
for k1, k2, v1, v2 in data:
    for k in (k1, k2):
        result[k] = v

如果您可以将某些内容写成嵌套循环,可能在其间使用if 语句,并且在最内层仅使用 一个 语句来分配键值对,那么您可以表达它在字典理解中。

您也可以使用 chain.from_iterable() 执行此操作,但随后会生成具有一系列键值对的列表或元组,并将结果传递给 dict() 函数:

dict(chain.from_iterable(((k1, v1), (k2, v2)) for k1, v1, k2, v2 in data))
dict(chain.from_iterable(((k1, v), (k2, v)) for k1, k2, v, _ in data))

【讨论】:

    猜你喜欢
    • 2014-07-21
    • 2013-09-18
    • 1970-01-01
    • 1970-01-01
    • 2012-02-19
    • 2017-05-18
    • 2014-04-27
    • 2019-06-27
    • 1970-01-01
    相关资源
    最近更新 更多