Python:从路径递归创建字典

时间:2010-01-06 23:08:33

标签: python recursion

我有数十万个端点网址,我想为其生成统计信息。例如,我有:

/a/b/c
/a/b/d
/a/c/d
/b/c/d
/b/d/e
/a/b/c
/b/c/d

我想创建一个看起来像这样的字典

{
   {'a':
        {'b':
             {'c': 2 },
             {'d': 1 }
        },
        {'c':
             {'d': 1 }
        }
    },
    {'b':
        {'c':
             {'d': 2}
        },
        {'d':
             {'e': 1}
        }
    }
}

有任何聪明的方法吗?

修改

我应该提到路径并不总是3个部分。可能有 /a/b/c/d/e/f/g/h ......等等。

4 个答案:

答案 0 :(得分:7)

如果路径在您的示例中看起来都像,那么这将起作用:

counts = {}
for p in paths:
   parts = p.split('/')
   branch = counts
   for part in parts[1:-1]:
      branch = branch.setdefault(part, {})
   branch[parts[-1]] = 1 + branch.get(parts[-1], 0)

这使用setdefault()get()之类的字典方法来避免编写大量的if语句。

请注意,如果具有子目录的路径也可以单独显示,则此操作无效。然后不清楚counts的相应部分是否应包含数字或其他字典。在这种情况下,最好使用元组或自定义类为每个节点存储count和dict。

基本算法保持不变:

class Stats(object):
   def __init__(self):
      self.count = 0
      self.subdirs = {}

counts = Stats()
for p in paths:
   parts = p.split('/')
   branch = counts
   for part in parts[1:]:
      branch = branch.subdirs.setdefault(part, Stats())
   branch.count += 1

通过一些漂亮的印刷,你得到:

def printstats(stats, indent=''):
   print indent + str(stats.count) + ' times'
   for (d, s) in stats.subdirs.items():
       print indent + d + ':'
       printstats(s, indent + '  ')

>>> printstats(counts)
0 times
a:
  0 times
  c:
    0 times
    d:
      1 times
  b:
    0 times
    c:
      2 times
    d:
      1 times
...

答案 1 :(得分:4)

修改

我修改了我的代码以适合您上面的评论(现在没有复杂的数据结构)。

def dictizeString(string, dictionary):
    while string.startswith('/'):
        string = string[1:]
    parts = string.split('/', 1)
    if len(parts) > 1:
        branch = dictionary.setdefault(parts[0], {})
        dictizeString(parts[1], branch)
    else:
        if dictionary.has_key(parts[0]):
             # If there's an addition error here, it's because invalid data was added
             dictionary[parts[0]] += 1
        else:
             dictionary[parts[0]] = 1

它会为每个项目存储[frequency, dictionary]的列表。

测试用例

>>> d = {}
>>> dictizeString('/a/b/c/d', d)
>>> dictizeString('/a/b/c/d', d)
>>> dictizeString('/a/b/c/d', d)
>>> dictizeString('/a/b/c/d', d)
>>> dictizeString('/a/b/e', d)
>>> dictizeString('/c', d)
>>> d
{'a': {'b': {'c': {'d': 4}, 'e': 1}}, 'c': 1}

答案 2 :(得分:3)

旧的结果,但仍然接近谷歌的顶部,所以我会更新:你可以使用dpath-python。

$ easy_install dpath
>>> result = {}
>>> for path in my_list_of_paths:
>>> ... dpath.util.set(result, path, SOME_VALUE)

......就是这样。我不理解您在终点(1,2等)上预先计算这些值所使用的数学,但是您可以预先计算它并使用路径到值的字典而不是裸列表

>>> x = {'path/name': 0, 'other/path/name': 1}
>>> for (path, value) in x.iteritems():
>>> ... dpath.util.set(result, path, value)

这样的事情会起作用。

答案 3 :(得分:1)

这是我的尝试:

class Result(object):
    def __init__(self):
        self.count = 0
        self._sub_results = {}

    def __getitem__(self, key):
        if key not in self._sub_results:
            self._sub_results[key] = Result()
        return self._sub_results[key]

    def __str__(self):
        return "(%s, %s)" % (self.count, self._sub_results)

    def __repr__(self):
        return str(self)

def process_paths(paths):
    path_result = Result()
    for path in paths:
        components = path[1:].split("/")
        local_result = path_result
        for component in components:
            local_result = local_result[component]
        local_result.count += 1
    return path_result

我已经将一些逻辑包含在Result类中,试图使算法本身更清晰。