三重列表 VS 双字典答案

【问题标题】：Triple list VS double dictionary三重列表 VS 双字典
【发布时间】：2016-05-01 15:37:57
【问题描述】：

我有 40.000 个文档，每个文档 93.08 个单词。平均而言，每个单词都是一个数字（可以索引字典），每个单词都有一个计数（频率）。阅读更多here。

我介于两种存储数据的数据结构之间，想知道我应该选择哪一种，Python 人会选择哪一种！

三重列表：

一个列表，其中每个节点：

__ 是一个列表，其中每个节点：

__.... 是两个值的列表； word_id 和 count。

双字典：

一个字典，键为 doc_id 和值字典。

该值字典将以 word_id 作为键，以 count 作为值。

我觉得第一个需要更少的空间（因为它不存储doc_id），而第二个会更容易处理和访问。我的意思是，访问列表中的 i 元素是 O(n)，而它在字典中是常量，我认为。我应该选择哪一个？

【问题讨论】：

访问列表的第 i 个元素是 O(1)。
一个简单的链表是 O(n) @RushyPanchal。
访问索引确实是 O(1)，但在列表中查找具有未知索引的元素是 O(n)
Python 列表不是链表，它们类似于 Java ArrayList 或 C++ 向量。它们是动态增长的数组，您可以通过计算偏移量来随机访问它们。但是，是的，在许多语言中，单词列表默认意味着链表。
这里是 Python 列表时间复杂度的一个很好的参考：wiki.python.org/moin/TimeComplexity

【解决方案1】：

您应该使用字典。它将使处理您的代码更容易理解和编程，并且它的复杂性也会降低。

您使用列表的唯一原因是您是否关心文档的顺序。

【讨论】：

但这需要更多空间，对吧？我不关心订单。 ;)
@gsamaras 作为 N 的因子，它不会。
@gsamaras 唯一的额外空间是键，但 Python 字符串每个字符串只在内存中存储“一次”——也就是说，如果每个元素都有相同的键集，那么它是一个恒定的额外空间（可以忽略不计）。
@RushyPanchal 哪些字符串？ doc_id、word_id 和 count 是数字，确切地说是整数。伙计，当然是大写的，但实际上呢？
@gsamaras 是字典的键，除非您将它们存储为其他东西。但是，如果您为了清楚起见而使用字典，那么将字符串用作键似乎也很直观。

【解决方案2】：

如果您不关心项目的顺序，则绝对应该使用字典，因为字典用于对关联数据进行分组，而列表通常用于对更通用的项目进行分组。

此外，在字典中查找比在列表中查找要快。

在列表中查找是 O(n)，而在字典中查找是 O(1)。虽然列表在内存中比列表大得多

【讨论】：

【解决方案3】：

基本上你只想存储大量的数字，最节省空间的选择是array。这些是一维的，因此您可以编写一个包含三个索引的类（最后一个是 0 代表 word_id，1 代表 count）并进行一些基本的加法和乘法运算以找到正确的一维索引。

【讨论】：