我有2个词典列表。列表A长34,000,列表B长650,000。我基本上是根据键匹配将所有List B dicts插入到List A dicts中。目前,我做的很明显,但它永远服用(严肃地说,就像一天)。必须有一个更快的方法!
for a in listA:
a['things'] = []
for b in listB:
if a['ID'] == b['ID']:
a['things'].append(b)
答案 0 :(得分:4)
from collections import defaultdict
dictB = defaultdict(list)
for b in listB:
dictB[b['ID']].append(b)
for a in listA:
a['things'] = []
for b in dictB[a['ID']]:
a['things'].append(b)
这会将你的算法从O(n * m)变为O(m)+ O(n),其中n = len(listA),m = len(listB)
基本上它通过'预先计算'从listB匹配每个'ID'
的每个字典来避免循环遍历listB中每个字典的listB中的每个字典答案 1 :(得分:1)
这是一种可能有所帮助的方法。我会留给你填写详细信息。
你的代码很慢,因为它是一个O(n ^ 2)算法,将每个A与每个B进行比较。
如果您首先按id(这些是O(nlogn))操作对listA和listB中的每一个进行排序,那么您可以轻松地遍历A和B的排序版本(这将是线性时间)。
当您必须在非常大的数据集上进行外部合并时,这种方法很常见。 Mihai的答案更适合内部合并,你只需按id(在内存中)索引所有内容。如果你有内存来保存这些额外的结构,并且字典查找是恒定的时间,那么这种方法可能会更快,更不用说更简单了。 :)
举个例子,假设A在排序后有
acfgjp
和B有这些id,再次排序后
aaaabbbbcccddeeeefffggiikknnnnppppqqqrrr
奇怪的是,这个想法是将索引保持在A和B中(我知道这听起来不是Pythonic)。首先,您要查看A中的a
和B中的a
。因此,您将通过B将所有a添加到a
的“事物”数组中。一旦你在B中消耗a,你就在A中向上移动一个c
。但是B中的下一个项目是b
,小于c
,所以你必须跳过b。然后你到达B中的c
,这样你就可以开始为c添加“东西”了。以这种方式继续,直到两个列表都用尽。只需一次通过。 :)
答案 2 :(得分:0)
我将ListA和ListB转换为字典,而不是以ID为键的字典。然后使用python的快速字典查找来附加数据是一件简单的事情:
from collections import defaultdict
class thingdict(dict):
def __init__(self, *args, **kwargs):
things = []
super(thingdict,self).__init__(*args, things=things, **kwargs)
A = defaultdict(thingdict)
A[1] = defaultdict(list)
A[2] = defaultdict(list, things=[6]) # with some dummy data
A[3] = defaultdict(list, things=[7])
B = {1: 5, 2: 6, 3: 7, 4: 8, 5: 9}
for k, v in B.items():
# print k,v
A[k]['things'].append(v)
print A
print B
返回:
defaultdict(<class '__main__.thingdict'>, {
1: defaultdict(<type 'list'>, {'things': [5]}),
2: defaultdict(<type 'list'>, {'things': [6, 6]}),
3: defaultdict(<type 'list'>, {'things': [7, 7]}),
4: {'things': [8]},
5: {'things': [9]}
})
{1: 5, 2: 6, 3: 7, 4: 8, 5: 9}