成像您正在网格上进行BFS（例如两个单元格之间的最短距离）。两个数据结构可用于托管[HttpPost]
public ActionResult RemoveItem(int? ID)
{
//pull existing cookie and get string value
string cookie = "";
if (this.ControllerContext.HttpContext.Request.Cookies.AllKeys.Contains("CartCookie"))
{
cookie = this.ControllerContext.HttpContext.Request.Cookies["CartCookie"].Value;
}
if (cookie != "")
{
//convert string cookie into a dictionary
Dictionary<string, string> keyValuePairs = cookie.Split('&')
.Select(value => value.Split('='))
.ToDictionary(pair => pair[0], pair => pair[1]);
//delete the existing cookie if it exists at all
if (this.ControllerContext.HttpContext.Request.Cookies.AllKeys.Contains("CartCookie"))
{
HttpCookie deleteCookie = this.ControllerContext.HttpContext.Request.Cookies["CartCookie"];
deleteCookie.Expires = DateTime.Now.AddDays(-1);
this.ControllerContext.HttpContext.Response.Cookies.Add(deleteCookie);
System.Diagnostics.Debug.WriteLine("cookie deleted");
}
// remove a specific key/value pair from the dictionary
if (keyValuePairs.Remove(ID.Value.ToString()))
{
HttpCookie updatedCookie = Request.Cookies["CartCookie"];
if (updatedCookie == null)
{
// no cookie found, create it
updatedCookie = new HttpCookie("CartCookie");
foreach (KeyValuePair<string, string> kvp in keyValuePairs)
{
updatedCookie.Values[kvp.Key] = kvp.Value;
}
}
else
{
// update the cookie values
foreach (KeyValuePair<string, string> kvp in keyValuePairs)
{
System.Diagnostics.Debug.WriteLine("Key = {0}, Value = {1}", kvp.Key, kvp.Value);
updatedCookie.Values[kvp.Key] = kvp.Value;
}
}
// update the expiration timestamp
updatedCookie.Expires = DateTime.UtcNow.AddDays(30);
// overwrite the cookie
Response.Cookies.Add(updatedCookie);
//print the value of the new cookie
string newcookie = "";
if (this.ControllerContext.HttpContext.Request.Cookies.AllKeys.Contains("CartCookie"))
{
newcookie = this.ControllerContext.HttpContext.Request.Cookies["CartCookie"].Value;
}
System.Diagnostics.Debug.WriteLine(newcookie);
}
else
{
// dictionary doesn't contain above key
}
}
return Json(true);
}
信息：
1）列表清单，即cookie deleted //confirms that the cookie delete function runs
Key = 1, Value = X Large //shows that only one item is in the NEW dictionary
1=X Large&2=Small //shows that the new cookie still has both items
。之后，我们可以通过visited访问特定单元格中的数据。
2）Dict，即data = [[False for _ in range(cols)] for _ in range(rows)]。之后，我们可以通过data[r][c]访问特定单元格中的数据。
我的问题是：在这种BFS场景中，哪种计算效率更高？
明智的编码似乎dict方法可以节省更多的字符/行。记忆方面，dict方法可以为未接触的单元格节省一些空间，但也可以为哈希表的额外空间浪费一些空间。
修改
@Peteris提到了numpy数组。列表列表的优势显而易见：numpy数组在连续的内存块上运行，这允许更快的寻址和更多的缓存命中。但是我不确定它们与哈希表的比较（即data = dict()）。如果算法涉及的元素数量相对较少，那么哈希表可能会提供更多的缓存命中率，因为它可能会占用更小的内存。
另外，事实是我不能使用numpy数组。所以我真的需要将列表列表与dict进行比较。
答案 0 :(得分：2)
存储2D数据的有效答案是分配到连续存储区域中的2D数组/矩阵（不像列表列表）。这避免了否则需要多次内存查找，以及在dict所需的每次查找时计算哈希值。
在python中执行此操作的标准方法是使用numpy库，这是一个简单的示例
import numpy as np
data = np.zeros( (100, 200) ) # create a 100x200 array and initialize it with zeroes
data[10,20] = 1 # set element at coordinates 10,20 to 1