如何快速将字典拆分为多个字典

Posted 2023-03-12

【中文标题】如何快速将字典拆分为多个字典

【英文标题】：How to split dictionary into multiple dictionaries fast

【发布时间】：2014-05-17 16:59:57

【问题描述】：

我找到了解决方案，但速度真的很慢：

def chunks(self,data, SIZE=10000):
    for i in xrange(0, len(data), SIZE):
        yield dict(data.items()[i:i+SIZE])

你有什么不使用外部模块（numpy等）的想法

【问题讨论】：

不要一直打电话给items。每次您只想要一个切片时，您都会创建一个所有项目的新列表。

是的，我知道，但问题是我找不到其他方法将我的字典分成大小相等的块。

试试grouper recipe from itertools。

@badc0re：不过，不要一直打电话给items。做一次。

注意：我看不出拆分字典有什么用......你到底在做什么？

【参考方案1】：

既然字典这么大，最好让所有涉及的项目都只是迭代器和生成器，像这样

from itertools import islice

def chunks(data, SIZE=10000):
    it = iter(data)
    for i in range(0, len(data), SIZE):
        yield k:data[k] for k in islice(it, SIZE)

示例运行：

for item in chunks(i:i for i in xrange(10), 3):
    print(item)

输出

0: 0, 1: 1, 2: 2
3: 3, 4: 4, 5: 5
8: 8, 6: 6, 7: 7
9: 9

【讨论】：

很好的答案。在 Python3 中使用 range() 而不是 xrange()

您能否详细说明迭代器/生成器如何/为什么更可取 - 是为了提高内存效率吗？

【参考方案2】：

另一种方法是迭代器压缩：

>>> from itertools import izip_longest, ifilter
>>> d = 'a':1, 'b':2, 'c':3, 'd':4, 'e':5, 'f':6, 'g':7, 'h':8

用字典迭代器的副本创建一个列表（副本数是结果字典中的元素数）。通过将每个迭代器从chunks 列表传递到izip_longest，您将从源字典中获得所需数量的元素（ifilter 用于从压缩结果中删除None）。使用生成器表达式可以降低内存使用量：

>>> chunks = [d.iteritems()]*3
>>> g = (dict(ifilter(None, v)) for v in izip_longest(*chunks))
>>> list(g)
['a': 1, 'c': 3, 'b': 2,
 'e': 5, 'd': 4, 'g': 7,
 'h': 8, 'f': 6]

【参考方案3】：

import numpy as np
chunk_size = 3
chunked_data = [[k, v] for k, v in d.items()]
chunked_data = np.array_split(chunked_data, chunk_size)

然后你有ndarray，它可以像这样迭代：

for chunk in chunked_data:
    for key, value in chunk:
        print(key)
        print(value)

可以使用简单的 for 循环将其重新分配给 dicts 列表。

【讨论】：

可能被否决了，因为使用 numpy ndarray 来分块本地字典显然是一种过度杀伤力。 OP 表示需要不使用任何外部模块，明确提到 numpy。

【参考方案4】：

此代码采用一个大字典并将其拆分为一个小字典列表。 max_limit 变量用于告诉子字典中允许的最大键值对数。 这段代码不需要太多精力来破解字典，只需对字典对象进行一次完整的解析即可。

import copy
def split_dict_to_multiple(input_dict, max_limit=200):
"""Splits dict into multiple dicts with given maximum size. 
Returns a list of dictionaries."""
chunks = []
curr_dict =
for k, v in input_dict.items():
    if len(curr_dict.keys()) < max_limit:
        curr_dict.update(k: v)
    else:
        chunks.append(copy.deepcopy(curr_dict))
        curr_dict = k: v
# update last curr_dict
chunks.append(curr_dict)
return chunks

【讨论】：

最好用代码 sn-ps 提供一些解释

【参考方案5】：

对于 Python 3+。

xrange() 在 Python 3+ 中重命名为 range()。

你可以使用；

from itertools import islice

def chunks(data, SIZE=10000):
   it = iter(data)
   for i in range(0, len(data), SIZE):
      yield k:data[k] for k in islice(it, SIZE)

示例：

for item in chunks(i:i for i in range(10), 3):
   print(item)

有以下输出。

0: 0, 1: 1, 2: 2
3: 3, 4: 4, 5: 5
6: 6, 7: 7, 8: 8
9: 9

【参考方案6】：

此代码适用于 Python 3.8，不使用任何外部模块：

def split_dict(d, n):
    keys = list(d.keys())
    for i in range(0, len(keys), n):
        yield k: d[k] for k in keys[i: i + n]


for item in split_dict(i: i for i in range(10), 3):
    print(item)

打印这个：

0: 0, 1: 1, 2: 2
3: 3, 4: 4, 5: 5
6: 6, 7: 7, 8: 8
9: 9

...甚至可能比 thefourtheye 的（当前）accepted answer 稍快：

from hwcounter import count, count_end


start = count()
for item in chunks(i: i for i in range(100000), 3):
    pass
elapsed = count_end() - start
print(f'elapsed cycles: elapsed')

start = count()
for item in split_dict(i: i for i in range(100000), 3):
    pass
elapsed = count_end() - start
print(f'elapsed cycles: elapsed')

打印

elapsed cycles: 145773597
elapsed cycles: 138041191

【讨论】：

为什么不使用 Python 的 'timeit' 模块来衡量性能？