获取与同一个词典中的其他键重叠的词典中的所有键

时间:2013-03-08 11:08:33

标签: python performance algorithm dictionary itertools

我有一个列表理解,如下所示:

cart = [ ((p,pp),(q,qq)) for ((p,pp),(q,qq))\
         in itertools.product(C.items(), repeat=2)\
         if p[1:] == q[:-1] ]

C是一个带有键的dict,它是任意整数的元组。所有元组都有相同的长度。最糟糕的情况是所有组合都应包含在新列表中。这可能经常发生。

举个例子,我有一个这样的字典:

C = { (0,1):'b',
      (2,0):'c',
      (0,0):'d' }

我希望结果是:

cart = [ (((2, 0), 'c'), ((0, 1), 'b'))
         (((2, 0), 'c'), ((0, 0), 'd'))
         (((0, 0), 'd'), ((0, 1), 'b'))
         (((0, 0), 'd'), ((0, 0), 'd')) ]

因此,通过重叠,我指的是,例如,元组(1,2,3,4)(2,3,4,5)具有重叠部分(2,3,4)。重叠部分必须位于元组的“边缘”上。我只想要长度比元组长度短的重叠。因此(1,2,3,4)(3,4,5,6)不重叠。还要注意,当删除元组的第一个或最后一个元素时,我们可能会得到非独特的元组,所有元组都必须与所有其他元素进行比较。 在我的第一个例子中没有强调最后一点。

我的代码执行时间的更好部分花在了这个列表理解上。我总是需要cart的所有元素,所以在使用生成器时似乎没有加速。

我的问题是:有更快的方法吗?

我的想法是我可以尝试创建两个这样的新词典:

aa = defaultdict(list)
bb = defaultdict(list)
[aa[p[1:]].append(p) for p in C.keys()]
[bb[p[:-1]].append(p) for p in C.keys()]

以某种方式将aa[i]中列表元素的所有组合与bb[i]中所有i的列表合并,但我似乎也无法理解这个想法。

更新

由tobias_k和shx2添加的解决方案都比我原来的代码具有更好的复杂性(据我所知)。我的代码是O(n ^ 2),而另外两个解是O(n)。然而,对于我的问题大小和组成,所有三种解决方案似乎或多或少同时运行。我想这与函数调用相关的开销和我正在使用的数据的性质有关。特别是不同键的数量以及键的实际组成似乎具有很大的影响。后者我知道,因为完全随机密钥的代码运行速度要慢得多。我接受了tobias_k的答案,因为他的代码是最容易理解的。但是,我仍然非常欢迎有关如何执行此任务的其他建议。

2 个答案:

答案 0 :(得分:2)

您实际上是在正确的轨道上,使用词典将所有前缀存储到键中。但是,请记住(据我理解的问题)如果重叠小于 len-1,则两个密钥也可以重叠,例如:键(1,2,3,4)(3,4,5,6)也会重叠。因此,我们必须创建一个映射,其中包含所有键的前缀。 (如果我对此有误,只需删除两个内部for循环。)一旦我们有了这个地图,我们就可以再次迭代所有的密钥,并检查它们的任何后缀是否有匹配的密钥在prefixes地图中。 (更新:由于密钥可以与w.r.t重叠多个前缀/后缀,因此我们将重叠对存储在一个集合中。)

def get_overlap(keys):
    # create map: prefix -> set(keys with that prefix)
    prefixes = defaultdict(set)
    for key in keys:
        for prefix in [key[:i] for i in range(len(key))]:
            prefixes[prefix].add(key)
    # get keys with matching prefixes for all suffixes
    overlap = set()
    for key in keys:
        for suffix in [key[i:] for i in range(len(key))]:
            overlap.update([(key, other) for other in prefixes[suffix]
                                                      if other != key])
    return overlap

(注意,为简单起见,我只关心字典中的键,而不是值。扩展它以返回值,或者将其作为后处理步骤,应该是微不足道的。)

总体运行时间应仅为2*n*kn为密钥数,k为密钥长度。如果有很多具有相同前缀的键,则空间复杂度(prefixes地图的大小)应介于n*kn^2*k之间。

注意:以上答案适用于重叠区域可以具有任何长度的更一般情况。对于您认为只重叠一个比原始元组短的简单情况,以下内容应该足够并产生示例中描述的结果:

def get_overlap_simple(keys):
    prefixes = defaultdict(list)
    for key in keys:
        prefixes[key[:-1]].append(key)
    return [(key, other) for key in keys for other in prefixes[key[1:]]]

答案 1 :(得分:1)

您将数据预处理成dict的想法很好。这是:

from itertools import groupby
C = { (0,1): 'b', (2,0): 'c', (0,0): 'd' }

def my_groupby(seq, key):
    """
     >>> group_by(range(10), lambda x: 'mod=%d' % (x % 3))
     {'mod=2': [2, 5, 8], 'mod=0': [0, 3, 6, 9], 'mod=1': [1, 4, 7]}
    """
    groups = dict()
    for x in seq:
        y = key(x)
        groups.setdefault(y, []).append(x)
    return groups

def get_overlapping_items(C):
    prefixes = my_groupby(C.iteritems(), key = lambda (k,v): k[:-1])
    for k1, v1 in C.iteritems():
        prefix = k1[1:]
        for k2, v2 in prefixes.get(prefix, []):
            yield (k1, v1), (k2, v2)

for x in get_overlapping_items(C):
    print x     

(((2, 0), 'c'), ((0, 1), 'b'))
(((2, 0), 'c'), ((0, 0), 'd'))
(((0, 0), 'd'), ((0, 1), 'b'))
(((0, 0), 'd'), ((0, 0), 'd'))

顺便说一下,而不是:

itertools.product(*[C.items()]*2)

做的:

itertools.product(C.items(), repeat=2)