python - defaultdict 与 dict 元素初始化

Question

我正在尝试优化一个脚本的性能，该脚本在词典中为给定的每个单词查找相似的单词。

每个唯一的单词将被拆分为字母 n-gram，对于每个 n-gram，词典返回包含相同字母 n-gram 的单词列表。然后将此列表中的每个单词作为键添加到字典中，并将其值递增 1。这给了我一个包含具有相应频率分数的相似词的字典。

word_dict = {}
get = word_dict.get
for letter_n_gram in word:
    for entry in lexicon[n_gram]:
        word_dict[entry] = get(entry, 0) + 1

此实现有效，但通过将 dict 切换为 collections.defaultdict，脚本应该可以运行得更快。

word_dd = defaultdict(int)
for letter_n_gram in word:
    for entry in lexicon[n_gram]:
        word_dd[entry] += 1

没有更改其他代码。

我的印象是两个代码片段(最重要的是添加分数)应该以完全相同的方式工作，即如果键存在，则将其值增加 1，如果不存在，则创建键并设置值为 1。

然而，在运行新代码后，一些键的值为 0，我认为这在逻辑上是不可能的。

我对 defaultdict 功能的逻辑或知识是否有缺陷？如果不是，如何将 word_dd 中的任何值设置为 0？

编辑:我也非常确定脚本的其他部分不会扭曲这些结果，因为我在显示代码后立即使用以下方法测试字典:

for item in word_dd.iteritems():
    if item[1] == 0:
        print "Found zero value element"
        break

Answer 1

当您访问 defaultdict 中的键时，如果它不存在，它将自动创建。由于我们将 int 作为默认工厂函数，它会创建 key 并提供默认值 0。

from collections import defaultdict
d = defaultdict(int)
print d["a"]
# 0
print d
# defaultdict(<type 'int'>, {'a': 0})

因此，在访问 key 之前，您应该确保它存在于 defaultdict 实例中，如下所示

print "a" in d
# False