什么是字典視圖對象？

Question

在python 2.7中，我們獲得了可用的字典視圖方法 。

現在，我知道以下的利弊：

• dict.items() （和values ， keys ）：返回一個列表，這樣你就可以實際存儲結果，和
• dict.iteritems() （等）：返回一個生成器，因此你可以迭代生成逐個生成的每個值。

什么是dict.viewitems() （等）？ 他們有什么好處？ 它是如何工作的？ 什么是觀點？

我讀到視圖總是反映字典中的變化。 但是從性能和內存的角度來看它是如何表現的呢？ 有什么利弊？

Answer 1

字典視圖基本上就是他們的名字所說的： 視圖就像一個關於字典的鍵和值（或項）的窗口 。 以下是Python 3 官方文檔的摘錄：

>>> 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() 。）

此示例顯示了視圖的動態特性 ：鍵視圖不是給定時間點的鍵的副本，而是一個向您顯示鍵的簡單窗口; 如果它們被改變了，那么你在窗口看到的東西也會發生變化。 在某些情況下，此功能非常有用（例如，可以使用程序的多個部分中的鍵的視圖，而不是每次需要時重新計算當前的鍵列表） - 注意如果修改了字典鍵迭代視圖時，迭代器的行為方式沒有明確定義，這可能導致錯誤 。

一個優點是，例如， 查看密鑰僅使用少量固定數量的內存，並且需要少量且固定數量的處理器時間 ，因為沒有創建密鑰列表（另一方面，Python 2，通常不必要地創建一個新的列表，如Rajendran T引用的那樣，它占用的內存和時間與列表的長度成比例）。 要繼續窗口類比，如果你想看到牆后面的風景，你只需在其中打開一個開口（你建立一個窗口）; 將密鑰復制到列表中將相應於在牆上繪制景觀的副本 - 復制需要時間，空間，並且不會自行更新。

總而言之，視圖只是...字典上的視圖（窗口），即使在更改后也會顯示字典的內容。 它們提供的功能與列表的功能不同：鍵列表包含給定時間點的字典鍵副本 ，而視圖是動態的，獲取速度更快，因為它不需要復制任何數據（鍵或值）以便創建。

Answer 2

正如您所提到的， dict.items()返回字典的（鍵，值）對列表的副本，這是浪費的， dict.iteritems()返回字典（鍵，值）對上的迭代器。

現在采用以下示例來查看dict的interator和dict的視圖之間的區別

>>> 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

而視圖只是向您顯示字典中的內容。 它不關心它是否改變：

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

視圖只是字典現在的樣子。 刪除條目后， .items()會過時，而.iteritems()會拋出錯誤。

Answer 3

視圖方法返回一個列表（不是列表的副本，與.keys() .items()和.values() ），因此它更輕量級，但反映了字典的當前內容。

從Python 3.0 - dict方法返回視圖 - 為什么？

主要原因是，對於許多用例而言，返回完全獨立的列表是不必要和浪費的。 它需要復制整個內容（可能或許多不是很多）。

如果您只想迭代密鑰，則無需創建新列表。 如果您確實需要它作為單獨的列表（作為副本），那么您可以從視圖中輕松創建該列表。

Answer 4

只是閱讀文檔，我得到了這樣的印象：

1. 視圖是“偽設置”，因為它們不支持索引，因此您可以使用它們測試成員資格並對其進行迭代（因為鍵是可清除且唯一的，鍵和項視圖更多“像集一樣“因為它們不包含重復項”。
2. 您可以存儲它們並多次使用它們，例如列表版本。
3. 因為它們反映了基礎字典，所以字典中的任何更改都將改變視圖，並且幾乎肯定會改變迭代的順序 。 因此與列表版本不同，它們不是“穩定”的。
4. 因為它們反映了基礎字典，所以它們幾乎肯定是小代理對象; 復制鍵/值/項將要求他們以某種方式觀看原始字典並在發生更改時多次復制，這將是一個荒謬的實現。 所以我期望很少的內存開銷，但訪問速度比直接到字典要慢一些。

所以我想關鍵的用例是如果你保持一個字典並反復迭代它的鍵/項/值，並在兩者之間進行修改。 您可以只使用視圖， for k, v in mydict.iteritems():轉換for k, v in myview:轉換for k, v in myview: . 但如果你只是在字典上迭代一次，我認為iter-版本仍然更可取。

Answer 5

通過視圖，您可以訪問底層數據結構，而無需復制它。 除了是動態的，而不是創造一個名單，他們最有用的用途之一是in測試。 假設您要檢查某個值是否在dict中（無論是鍵還是值）。

選項一是使用dict.keys()創建一個鍵列表，這可以工作，但顯然會消耗更多的內存。 如果dict非常大？ 那將是浪費。

使用views您可以迭代實際的數據結構，而無需中間列表。

我們來看一些例子。 我有一個帶有1000個隨機字符串和數字鍵的字典， k是我想要查找的鍵

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對象可以極大地提升性能，同時減少內存開銷。 當您需要執行Set like operations時，您應該使用它們。

注意 ：我正在運行Python 2.7