Python-将交易数据加载到列表中，计算每个字符串的出现

Question

由于要执行作业，因此我重新使用python，并且正在寻求有关加快我的代码段的帮助。 由于没有提供我的想法，我的上一篇文章被否决了，所以这次我会做得更好。

我有一个购买交易的文本文件，如下所示：

A B C D E F
A E F G H I J K 
A B D E F G H
B C D F G H
G H I K J
G H I J
B C D H J K
B C D H K
A C E G I K
A B D F G H I
A B C D E F G H I J K
A B C D E
C D F G
C E F G H I
C D E J K
J K
G H I J K
A B D
A C D K
A B D I J K
A B C E F G 
F G I J K
A F G K 
B C E F G H
A D E
A B 
C D E F 
C E F G H I J
I J K
E F H I J K

其中每个字母对应于购买特定产品，并且每一行都是一笔交易（对于第一行，有人购买了产品ABCDE和F）。 我需要对每个产品已购买多少次进行初步计数，然后创建至少购买了S次的商品清单。 这是我的代码如下所示：

import itertools
import operator

item_data_lol = []
with open("test_file.txt") as inputfile:
   for line in inputfile:
       item_data_lol.append(line.strip().split(','))

# this is what item_data_lol loads in as
# [['A B C D E F'], ['A E F G H I J K'], ['A B D E F G H'], ['B C D F G H'], ['G H I K J'], ['G H I J'], ['B C D H J K'], ['B C D H K'], ['A C E G I K'], ['A B D F G H I'], ['A B C D E F G H I J K'], ['A B C D E'], ['C D F G'], ['C E F G H I'], ['C D E J K'], ['J K'], ['G H I J K'], ['A B D'], ['A C D K'], ['A B D I J K'], ['A B C E F G'], ['F G I J K'], ['A F G K'], ['B C E F G H'], ['A D E'], ['A B'], ['C D E F'], ['C E F G H I J'], ['I J K'], ['E F H I J K']]

S = 14

# initialize dictionary to count frequency of individual items
first_lookup = {}

# loop over each row, then each element, obtaining a total element count for each element 
for line in item_data_lol:
    line = line[0]
    for item in line.split():
        if item in first_lookup.keys():
            first_lookup[item] += 1
        else:
            first_lookup[item] = 1


# Get list of frequent items
frequent_items = []
for this_key, this_value in first_lookup.iteritems():
    if this_value > support_threshold:
        frequent_items.append(this_key)

print(first_lookup)
print(frequent_items)

代码的这种结构对于我的小型数据集来说效果很好，但是当我在提供的完整txt文件上运行程序时，这会花费很长时间。 这段代码只是我必须编写的较大算法（用于查找频繁项集的先验算法）的一小部分，因此，与该第一部分所花费的时间一样，这是令人担忧的。 如果我可以使用不同的python函数加快代码的这一部分（我主要用于循环，并且由于我对python感到生疏而又不记得很多函数的情况），那么我可能可以加快程序的后续部分也一样

赞赏有关如何加快速度的任何想法

Answer 1

您在字典键上而不是在字典本身上遇到了令人遗憾的经典测试。

if item in first_lookup.keys():

应该

if item in first_lookup:

受益于字典查找。 显式调用first_lookup.keys()在Python 2中生成一个list ，因此in适用于列表，而不是字典。

在您的情况下，请替换该循环：

for line in item_data_lol:
    line = line[0]
    for item in line.split():
        if item in first_lookup.keys():
            first_lookup[item] += 1
        else:
            first_lookup[item] = 1

这样可以进一步提高速度（使用collections.Counter由生成器理解初始化）：

import collections
first_lookup = collections.Counter(item for line in item_data_lol for item in line[0].split())