如果两个字典中的一个值匹配，则用另一个字典值更新一个大字典的最快方法？

Question

我正在使用 Python 3.5

我有一本字典，其中包含数千个其他较小字典的列表，看起来像这样：

bookSnapshot = {
 'ask':[{'Price': 0.013, 'Size': 0.005},{'Price': 0.014, 'Size': 0.009},{...}...], 
 'bid':[{'Price': 0.012, 'Size': 0.005},{'Price': 0.011, 'Size': 0.006},{...}...]
}

这是我在创建 Websocket 连接时从服务器得到的响应。

之后，服务器将向我发送有关字典中任何更改的更新。这看起来与上面的字典完全一样，只是小了一点。

bookUpdate = {
 'ask':[{'Price': 0.013, 'Size': 0.005}], 
 'bid':[{'Price': 0.012, 'Size': 0.000}]
}

我想更新任何“询问”或“出价”字典“价格”值与 bookUpdate 字典“出价”或“询问”“价格”值匹配的 bookSnapshot。如果“大小”为 0，则从“询问”或“出价”值中删除字典。

遍历这两个字典会花费太长时间。最好的方法是什么？

Answer 1

这对于字典列表将是低效的。您可以改用 Pandas 等第三方库来执行矢量化操作：

bookSnapshot = {
 'ask':[{'Price': 0.013, 'Size': 0.005},{'Price': 0.014, 'Size': 0.009}], 
 'bid':[{'Price': 0.012, 'Size': 0.005},{'Price': 0.011, 'Size': 0.006}]
}

bookUpdate = {
 'ask':[{'Price': 0.013, 'Size': 0.006}], 
 'bid':[{'Price': 0.012, 'Size': 0.000}]
}

import pandas as pd

df_Snapshot = {k: pd.DataFrame(v) for k, v in bookSnapshot.items()}
df_Update = {k: pd.DataFrame(v).set_index('Price')['Size'] for k, v in bookUpdate.items()}

for k, v in df_Snapshot.items():
    v['Size'] = v['Price'].map(df_Update[k]).fillna(v['Size'])
    v = v[v['Size'] != 0]
    df_Snapshot[k] = v

print(df_Snapshot)

{'ask':    Price   Size
0  0.013  0.006
1  0.014  0.009,
 'bid':    Price   Size
1  0.011  0.006}

然后使用字典推导转换回您想要的结果：

res = {k: v.to_dict('records') for k, v in df_Snapshot.items()}

{'ask': [{'Price': 0.013, 'Size': 0.006}, {'Price': 0.014, 'Size': 0.009}],
 'bid': [{'Price': 0.011, 'Size': 0.006}]}