什么是字典视图对象？

Question

在python 2.7中，我们获得了可用的字典视图方法 。

现在，我知道以下的利弊：

• dict.items() （和values ， keys ）：返回一个列表，这样你就可以实际存储结果，和
• dict.iteritems() （等）：返回一个生成器，因此你可以迭代生成逐个生成的每个值。

什么是dict.viewitems() （等）？ 他们有什么好处？ 它是如何工作的？ 什么是观点？

我读到视图总是反映字典中的变化。 但是从性能和内存的角度来看它是如何表现的呢？ 有什么利弊？

Answer 1

字典视图基本上就是他们的名字所说的： 视图就像一个关于字典的键和值（或项）的窗口 。 以下是Python 3 官方文档的摘录：

>>> dishes = {'eggs': 2, 'sausage': 1, 'bacon': 1, 'spam': 500}
>>> keys = dishes.keys()
>>> values = dishes.values()

>>> # view objects are dynamic and reflect dict changes
>>> del dishes['eggs']
>>> keys  # No eggs anymore!
dict_keys(['sausage', 'bacon', 'spam'])

>>> values  # No eggs value (2) anymore!
dict_values([1, 1, 500])

（Python 2等效使用dishes.viewkeys()和dishes.viewvalues() 。）

此示例显示了视图的动态特性 ：键视图不是给定时间点的键的副本，而是一个向您显示键的简单窗口; 如果它们被改变了，那么你在窗口看到的东西也会发生变化。 在某些情况下，此功能非常有用（例如，可以使用程序的多个部分中的键的视图，而不是每次需要时重新计算当前的键列表） - 注意如果修改了字典键迭代视图时，迭代器的行为方式没有明确定义，这可能导致错误 。

一个优点是，例如， 查看密钥仅使用少量固定数量的内存，并且需要少量且固定数量的处理器时间 ，因为没有创建密钥列表（另一方面，Python 2，通常不必要地创建一个新的列表，如Rajendran T引用的那样，它占用的内存和时间与列表的长度成比例）。 要继续窗口类比，如果你想看到墙后面的风景，你只需在其中打开一个开口（你建立一个窗口）; 将密钥复制到列表中将相应于在墙上绘制景观的副本 - 复制需要时间，空间，并且不会自行更新。

总而言之，视图只是...字典上的视图（窗口），即使在更改后也会显示字典的内容。 它们提供的功能与列表的功能不同：键列表包含给定时间点的字典键副本 ，而视图是动态的，获取速度更快，因为它不需要复制任何数据（键或值）以便创建。

Answer 2

正如您所提到的， dict.items()返回字典的（键，值）对列表的副本，这是浪费的， dict.iteritems()返回字典（键，值）对上的迭代器。

现在采用以下示例来查看dict的interator和dict的视图之间的区别

>>> d = {"x":5, "y":3}
>>> iter = d.iteritems()
>>> del d["x"]
>>> for i in iter: print i
... 
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
RuntimeError: dictionary changed size during iteration

而视图只是向您显示字典中的内容。 它不关心它是否改变：

>>> d = {"x":5, "y":3}
>>> v = d.viewitems()
>>> v
dict_items([('y', 3), ('x', 5)])
>>> del d["x"]
>>> v
dict_items([('y', 3)])

视图只是字典现在的样子。 删除条目后， .items()会过时，而.iteritems()会抛出错误。

Answer 3

视图方法返回一个列表（不是列表的副本，与.keys() .items()和.values() ），因此它更轻量级，但反映了字典的当前内容。

从Python 3.0 - dict方法返回视图 - 为什么？

主要原因是，对于许多用例而言，返回完全独立的列表是不必要和浪费的。 它需要复制整个内容（可能或许多不是很多）。

如果您只想迭代密钥，则无需创建新列表。 如果您确实需要它作为单独的列表（作为副本），那么您可以从视图中轻松创建该列表。

Answer 4

只是阅读文档，我得到了这样的印象：

1. 视图是“伪设置”，因为它们不支持索引，因此您可以使用它们测试成员资格并对其进行迭代（因为键是可清除且唯一的，键和项视图更多“像集一样“因为它们不包含重复项”。
2. 您可以存储它们并多次使用它们，例如列表版本。
3. 因为它们反映了基础字典，所以字典中的任何更改都将改变视图，并且几乎肯定会改变迭代的顺序 。 因此与列表版本不同，它们不是“稳定”的。
4. 因为它们反映了基础字典，所以它们几乎肯定是小代理对象; 复制键/值/项将要求他们以某种方式观看原始字典并在发生更改时多次复制，这将是一个荒谬的实现。 所以我期望很少的内存开销，但访问速度比直接到字典要慢一些。

所以我想关键的用例是如果你保持一个字典并反复迭代它的键/项/值，并在两者之间进行修改。 您可以只使用视图， for k, v in mydict.iteritems():转换for k, v in myview:转换for k, v in myview: . 但如果你只是在字典上迭代一次，我认为iter-版本仍然更可取。

Answer 5

通过视图，您可以访问底层数据结构，而无需复制它。 除了是动态的，而不是创造一个名单，他们最有用的用途之一是in测试。 假设您要检查某个值是否在dict中（无论是键还是值）。

选项一是使用dict.keys()创建一个键列表，这可以工作，但显然会消耗更多的内存。 如果dict非常大？ 那将是浪费。

使用views您可以迭代实际的数据结构，而无需中间列表。

我们来看一些例子。 我有一个带有1000个随机字符串和数字键的字典， k是我想要查找的键

large_d = { .. 'NBBDC': '0RMLH', 'E01AS': 'UAZIQ', 'G0SSL': '6117Y', 'LYBZ7': 'VC8JQ' .. }

>>> len(large_d)
1000

# this is one option; It creates the keys() list every time, it's here just for the example
timeit.timeit('k in large_d.keys()', setup='from __main__ import large_d, k', number=1000000)
13.748743600954867


# now let's create the list first; only then check for containment
>>> list_keys = large_d.keys()
>>> timeit.timeit('k in list_keys', setup='from __main__ import large_d, k, list_keys', number=1000000)
8.874809793833492


# this saves us ~5 seconds. Great!
# let's try the views now
>>> timeit.timeit('k in large_d.viewkeys()', setup='from __main__ import large_d, k', number=1000000)
0.08828549011070663

# How about saving another 8.5 seconds?

正如您所看到的，迭代view对象可以极大地提升性能，同时减少内存开销。 当您需要执行Set like operations时，您应该使用它们。

注意 ：我正在运行Python 2.7