有效地按 Python 3.6+ 中的位置訪問字典項

Question

我知道字典在 Python 3.6+ 中是按插入順序排列的，作為 3.6 中的實現細節和 3.7+ 中的官方實現細節。

鑒於它們是有序的，似乎沒有方法可以按插入順序檢索字典的^第i^個項目。 唯一可用的解決方案似乎具有 O( n ) 復雜度，要么：

1. 通過 O( n ) 過程轉換為列表，然后使用list.__getitem__ 。
2. 在循環中enumerate字典項並在達到所需索引時返回值。 同樣，時間復雜度為 O( n )。

由於從list獲取項目的復雜度為 O(1)，有沒有辦法用字典實現相同的復雜度？ 使用常規dict或collections.OrderedDict都可以。

如果不可能，是否存在阻止這種方法的結構原因，或者這只是尚未考慮/實施的功能？

Answer 1

對於OrderedDict它本質上是O(n)因為排序記錄在鏈表中。

對於內置字典，有一個向量（一個連續的數組）而不是一個鏈表，但最后幾乎是一樣的：向量包含一些“啞元”，特殊的內部值，意味着“沒有鍵存儲在這里”或“曾經存儲在這里但不再存儲的密鑰”。 這使得，例如，刪除一個密鑰非常便宜（只需用一個虛擬值覆蓋該密鑰）。

但是，如果不在此基礎上添加輔助數據結構，就無法跳過虛擬對象而不一次一個地跳過它們。 因為 Python 使用一種開放尋址形式來解決沖突，並將負載因子保持在 2/3 以下，所以至少有三分之一的向量條目是虛擬的。 the_vector[i]可以在O(1)時間內訪問，但實際上與第 i 個非虛擬條目沒有可預測的關系。

Answer 2

根據@TimPeters 的回答，您無法在 O(1) 時間內按位置訪問字典項存在結構性原因。

如果您正在按鍵或位置尋找 O(1) 查找，則值得考慮替代方案。 有 NumPy / Pandas 等 3rd 方庫提供了這樣的功能，特別是對於不需要指針的數字數組來說非常有效。

使用 Pandas，您可以構建一個具有獨特標簽的“類字典”系列，通過“標簽”或位置提供 O(1) 查找。 您犧牲的是刪除標簽時的性能，這會產生 O( n ) 成本，很像list 。

import pandas as pd

s = pd.Series(list(range(n)))

# O(n) item deletion
del s[i]
s.drop(i)
s.pop(i)

# O(1) lookup by label
s.loc[i]
s.at[i]
s.get(i)
s[i]

# O(1) lookup by position
s.iloc[i]
s.iat[i]

pd.Series是dict替代品。 例如，如果該系列主要用作映射，則不會阻止重復鍵並且會導致問題。 但是，如果數據存儲在連續的內存塊中，如上例所示，您可能會看到顯着的性能改進。

也可以看看：

1. 與常規 Python 列表相比，NumPy 有哪些優勢？ .
2. Pandas 中非唯一索引的性能影響是什么？
3. Pandas DataFrame 搜索是線性時間還是常數時間？