python - 按多个值过滤字典

Question

我是 Python 的新手，我很难制定一种“pythony”过滤字典的方法。

我有一本看起来像这样的字典:

'217': {'586': 2.0, '578': 5.0, '172': 1.0, '1222': 1.0, '597': 4.0, '1303': 2.0, '195': 5.0, ...}
'660': {'176': 4.0, '174': 3.0, '231': 5.0, '233': 4.0, '797': 4.0, '541': 3.0, '27': 1.0, '210': 4.0, ...}

等等。

然后我有一个字符串列表:

['2', '4', '17', '21', '22', '24', '27', '28', '29', '33', '39', ...]

我想要实现的是一个过滤字典，其中只存在字符串列表中具有任何值的元组。我已经做到了这一点，但只使用一个字符串作为要求，它看起来像这样:

filtered_dict = {k: v for (k, v) in my_dict.iteritems() if my_list[0] in v}

但是，如果我删除 [0]，则会出现以下错误:

类型错误:无法散列的类型:“列表”以下是一些预期的输出值:

'115 : {'174': 4.0, '172': 4.0, '27': 3.0, '183': 5.0, '180': 3.0, '1039': 5.0, ... }

'212' : {'4': 3.0, '473': 4.0, '208': 5.0, '123': 4.0, '476': 3.0, '474': 4.0, ...}

如您所见，第一个元组中的第三个值在 my_list 中有“27”。第二个元组中的第一个值的值为“4”，它也在 my_list 中。

我将非常感谢任何形式的帮助。

谢谢!

Answer 1

您可以使用集合，如果值与集合不相交则保持成对:

st = {'2', '4', '17', '21', '22', '24', '27', '28', '29', '33', '39'}

filtered_dict = {k: v for (k, v) in my_dict.iteritems() if not st.isdisjoint(v)}

只有当它们不共享至少一个元素时，它们才会不相交:

In [6]: st ={1,2,3}

In [7]: v = [1,4,5]

In [8]: st.isdisjoint(v)
Out[8]: False

In [11]: v = [7,4,5]

In [12]: st.isdisjoint(v)
Out[12]: True

它有点等同于:

st = {'2', '4', '17', '21', '22', '24', '27', '28', '29', '33', '39'}

filtered_dict = {k: v for (k, v) in my_dict.iteritems() if any(val in st for val in v)}

如果 any来自 v 的元素在我们保留元素的集合中。

最坏的情况是我们检查 len(v) 元素与集合，遍历 mylist 元素并检查 x 是否在 v 中是 O(len( my_list)) 每次匹配时都会创建相同的 k,v 对。

如果我们添加一个带有更多匹配键的字典，并将这些对添加到列表中，您可以看到会发生什么:

In [22]: my_list  = ['2', '4', '17', '21', '22', '24', '27', '28', '29', '33', '39']

In [23]: my_dict = {'217': {'586': 2.0, '578': 5.0, '172': 1.0, '1222': 1.0, '597': 4.0, '1303': 2.0, '195': 5.0},
   ....:            '660': {'176': 4.0, '174': 3.0, '231': 5.0, '233': 4.0, '797': 4.0, '541': 3.0, '27': 1.0, '210': 4.0},
   ....:            '661': {'2': 4.0, '4': 3.0, '29': 5.0, '17': 4.0, '39': 4.0, '541': 3.0, '27': 1.0, '210': 4.0}}


In [24]: print [(k,v) for k,v in my_dict.iteritems() for x in my_list if x in v]
[('661', {'541': 3.0, '39': 4.0, '2': 4.0, '4': 3.0, '17': 4.0, '210': 4.0, '27': 1.0, '29': 5.0}), ('661', {'541': 3.0, '39': 4.0, '2': 4.0, '4': 3.0, '17': 4.0, '210': 4.0, '27': 1.0, '29': 5.0}), ('661', {'541': 3.0, '39': 4.0, '2': 4.0, '4': 3.0, '17': 4.0, '210': 4.0, '27': 1.0, '29': 5.0}), ('661', {'541': 3.0, '39': 4.0, '2': 4.0, '4': 3.0, '17': 4.0, '210': 4.0, '27': 1.0, '29': 5.0}), ('661', {'541': 3.0, '39': 4.0, '2': 4.0, '4': 3.0, '17': 4.0, '210': 4.0, '27': 1.0, '29': 5.0}), ('661', {'541': 3.0, '39': 4.0, '2': 4.0, '4': 3.0, '17': 4.0, '210': 4.0, '27': 1.0, '29': 5.0}), ('660', {'797': 4.0, '27': 1.0, '541': 3.0, '210': 4.0, '176': 4.0, '174': 3.0, '231': 5.0, '233': 4.0})]

因为有 7 场比赛，我们得到了七次相同的配对，你不会在字典中得到欺骗，但你将不得不迭代 len(my_list) 次并在 v< 中创建 x 的配对长度 是真实时间。随着 my_list 的长度增加，运行时间也会相应增加。

仅仅使 my_list 有 1000 个元素就有相当大的区别:

In [35]: len(my_list)
Out[35]: 1000

In [36]: %%timeit
   ....: st = set(my_list)
   ....: {k: v for (k, v) in my_dict.iteritems() if not st.isdisjoint(v)}
   ....: 
10000 loops, best of 3: 21.9 µs per loop
In [37]: timeit {k:v for k,v in my_dict.iteritems() for x in my_list if x in v}
10000 loops, best of 3: 136 µs per loop

几乎所有时间都花在了集合创建上，如果您从一开始就使用集合，它的运行速度会快 100 倍:

In [40]: timeit {k: v for (k, v) in my_dict.iteritems() if not st.isdisjoint(v)}

1000000 loops, best of 3: 1.09 µs per loop