Python：从集合中检索项目

Question

一般来说，Python 集合似乎并不是为按键检索项目而设计的。这显然是字典的用途。但是无论如何，给定一个键，您可以从一个等于该键的集合中检索一个实例吗？

再一次，我知道这正是字典的用途，但据我所知，有正当的理由想要用一个集合来做这件事。假设你有一个类定义如下：

class Person:
   def __init__(self, firstname, lastname, age):
      self.firstname = firstname
      self.lastname = lastname
      self.age = age

现在，假设我要创建大量 Person 对象，并且每次创建 Person 对象时，我都需要确保它不是之前的 Person 对象的副本。如果Person 具有相同的firstname，则认为它们与另一个Person 重复，而不管其他实例变量如何。所以很自然的做法是将所有Person 对象插入到一个集合中，并定义__hash__ 和__eq__ 方法，以便Person 对象通过它们的firstname 进行比较。

另一种选择是创建一个包含Person 对象的字典，并使用单独创建的firstname 字符串作为键。这里的缺点是我会复制firstname 字符串。在大多数情况下，这并不是一个真正的问题，但如果我有 10,000,000 个Person 对象怎么办？就内存使用而言，冗余字符串存储真的会开始增加。

但如果两个Person 对象比较相等，我需要能够检索原始对象，以便可以以业务逻辑所需的方式合并其他实例变量（firstname 除外）。这让我回到了我的问题：我需要一些方法来从 set 检索实例。

有没有办法做到这一点？还是使用字典是这里唯一真正的选择？

Answer 1

我肯定会在这里使用字典。重用firstname 实例变量作为字典键不会复制它——字典只会使用相同的对象。我怀疑字典会比集合使用更多的内存。

要真正节省内存，请将__slots__ 属性添加到您的类中。这将防止 10,000,000 个实例中的每一个实例都具有__dict__ 属性，这将比dict 的潜在开销比set 节省更多的内存。

编辑：一些数据支持我的主张。我定义了一个存储随机字符串对的愚蠢示例类：

def rand_str():
    return str.join("", (chr(random.randrange(97, 123))
                         for i in range(random.randrange(3, 16))))

class A(object):
    def __init__(self):
        self.x = rand_str()
        self.y = rand_str()
    def __hash__(self):
        return hash(self.x)
    def __eq__(self, other):
        return self.x == other.x

该类的 1,000,000 个实例使用的内存量

random.seed(42)
s = set(A() for i in xrange(1000000))

在我的机器上 240 MB。如果我添加

    __slots__ = ("x", "y")

对于班级来说，这下降到 112 MB。如果我将相同的数据存储在字典中

def key_value():
    a = A()
    return a.x, a

random.seed(42)
d = dict(key_value() for i in xrange(1000000))

这使用 249 MB 不带 __slots__ 和 121 MB 带 __slots__。

Answer 2

是的，您可以这样做：可以迭代 set。但请注意，这是一个 O(n) 操作，而不是 dict 的 O(1) 操作。

因此，您必须权衡 速度 与 内存。这是一个经典。我个人会在这里进行优化（即使用字典），因为只有 10,000,000 个对象，内存不会很快变短，而且使用字典真的很容易。

至于firstname字符串的额外内存消耗：由于字符串在Python中是不可变的，因此将firstname属性分配为键不会创建新字符串，而只是复制引用。

Answer 3

我想你会在这里得到答案：

Moving Beyond Factories in Python