加速将字典键和值与python列表中的字符串进行比较

Question

抱歉，如果这是微不足道的，我仍在学习，但我有一个字典列表，如下所示：

[{'1102': ['00576', '00577', '00578', '00579', '00580', '00581']},
 {'1102': ['00582', '00583', '00584', '00585', '00586', '00587']},
 {'1102': ['00588', '00589', '00590', '00591', '00592', '00593']},
 {'1102': ['00594', '00595', '00596', '00597', '00598', '00599']},
 {'1102': ['00600', '00601', '00602', '00603', '00604', '00605']}
 ...]

它包含约 89000 个字典。 我有一个包含 4473208 条路径的列表。 例子：

['/****/**/******_1102/00575***...**0CT.csv',
'/****/**/******_1102/00575***...**1CT.csv',
'/****/**/******_1102/00575***...**2CT.csv',
'/****/**/******_1102/00575***...**3CT.csv',
'/****/**/******_1102/00575***...**4CT.csv',
'/****/**/******_1102/00578***...**1CT.csv',
'/****/**/******_1102/00578***...**2CT.csv',
'/****/**/******_1102/00578***...**3CT.csv',
 ...]

我想要做的是将包含键的文件夹中dict中包含分组值的每个路径组合在一起。

我尝试使用这样的 for 循环：

grpd_cts = []
   
for elem in tqdm(dict_list):
    temp1 = []
    for file in ct_paths:
        for key, val in elem.items():
            if (file[16:20] == key) and (any(x in file[21:26] for x in val)):
                temp1.append(file)

    grpd_cts.append(temp1)

但这需要大约 30 小时。 有没有办法让它更有效率？ 任何 itertools 功能或什么？

非常感谢！

Answer 1

ct_paths在您的内部循环中反复迭代，您只对它的一小部分感兴趣以用于测试目的； 把它拿出来，用它来索引你的其余数据，作为一个字典。

使您的问题变得复杂的是您希望以原始文件名列表结束，因此您需要构建一个两级字典，其中值是分组在这两个键下的所有原始文件的列表。

ct_path_index = {}
for f in ct_paths:
    ct_path_index.setdefault(f[16:20], {}).setdefault(f[21:26], []).append(f)

grpd_cts = []
for elem in tqdm(dict_list):
    temp1 = []
    for key, val in elem.items():
        d2 = ct_path_index.get(key)
        if d2:
            for v in val:
                v2 = d2.get(v)
                if v2:
                    temp1 += v2
    grpd_cts.append(temp1)

ct_path_index看起来像这样，使用您的数据：

{'1102': {'00575': ['/****/**/******_1102/00575***...**0CT.csv',
   '/****/**/******_1102/00575***...**1CT.csv',
   '/****/**/******_1102/00575***...**2CT.csv',
   '/****/**/******_1102/00575***...**3CT.csv',
   '/****/**/******_1102/00575***...**4CT.csv'],
  '00578': ['/****/**/******_1102/00578***...**1CT.csv',
   '/****/**/******_1102/00578***...**2CT.csv',
   '/****/**/******_1102/00578***...**3CT.csv']}}

setdefault的使用（第一次看到它可能有点难以理解）在构建集合的集合时很重要，并且在这些情况下非常常见：它确保子集合是在需求，然后重新用于给定的密钥。

现在，您只有两个嵌套循环； 内部检查是使用接近 O(1) 的字典查找来完成的。

其他优化包括将dict_list中的列表转换为集合，如果您多次通过dict_list ，这将是值得的。