python?通過dict(zip)和{}的方式構造字典的方法
在python中,通常通過dict和zip組合來構建鍵值對。
比如:
aid = [i for i in range(10)]
name = [[1] * 3] * len(aid)
dic1 = dict(zip(aid,name))
print('dic1:', dic1)得到:
{0: [1, 1, 1],
1: [1, 1, 1],
2: [1, 1, 1],
3: [1, 1, 1],
4: [1, 1, 1],
5: [1, 1, 1],
6: [1, 1, 1],
7: [1, 1, 1],
8: [1, 1, 1],
9: [1, 1, 1]}
這樣建立的是aid和name的一一映射關系,將aid作為key,第二列作為value。。
還可以通過dic函數(shù)的形式或者{}直接構造
dic2 = {'aid': aid,'name':name}
print('\ndic2:',dic2){
‘aid’: [0, 1, 2, 3, 4, 5, 6, 7, 8, 9],
‘name’: [[1, 1, 1], [1, 1, 1], [1, 1, 1], [1, 1, 1], [1, 1, 1], [1, 1, 1], [1, 1, 1], [1, 1, 1], [1, 1, 1], [1, 1, 1]]
}
這樣通過建立新的key,list作為value存儲。
以上兩種方法,如果想經(jīng)過aid進行索引取對應值的話:
方法1可以直接取出,方法2還需要獲取到index再進行取值。所以法1速度更快但是與之相對的,法1存儲了很多個key-value對,在存儲空間上不如法2。
空間占用測試如下:
aid = [i for i in range(10)]
name = [[1] * 3] * len(aid)
dic1 = dict(zip(aid,name))
dic2 = {'aid': aid,'name':name}
print('dic1:', dic1)
print(sys.getsizeof(dic1))
print('\ndic2:',dic2)
print(sys.getsizeof(dic2))dic1: {0: [1, 1, 1], 1: [1, 1, 1], 2: [1, 1, 1], 3: [1, 1, 1], 4: [1, 1, 1], 5: [1, 1, 1], 6: [1, 1, 1], 7: [1, 1, 1], 8: [1, 1, 1], 9: [1, 1, 1]}
360
dic2: {'aid': [0, 1, 2, 3, 4, 5, 6, 7, 8, 9], 'name': [[1, 1, 1], [1, 1, 1], [1, 1, 1], [1, 1, 1], [1, 1, 1], [1, 1, 1], [1, 1, 1], [1, 1, 1], [1, 1, 1], [1, 1, 1]]}
232經(jīng)過測試,字典占用空間和鍵值對的個數(shù)并不是線性的。如果在很大的數(shù)據(jù)中,就需要考慮占用空間的大小,比如。10000個鍵值對,占用了7w字節(jié)。(應用在離線保存embeddings中)
到此這篇關于python 通過dict(zip)和{}的方式構造字典的文章就介紹到這了,更多相關python dict構造字典內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家!
相關文章
Python Excel vlookup函數(shù)實現(xiàn)過程解析
這篇文章主要介紹了Python Excel vlookup函數(shù)實現(xiàn)過程解析,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2020-06-06
Pyecharts 動態(tài)地圖 geo()和map()的安裝與用法詳解
這篇文章主要介紹了Pyecharts 動態(tài)地圖 geo()和map()的安裝與用法詳解,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧2020-03-03
如何徹底解決python?NameError:name?'__file__'?is?not?
這篇文章主要給大家介紹了關于如何徹底解決python?NameError:name?'__file__'?is?not?defined的相關資料,文中通過圖文將解決的辦法介紹的非常詳細,需要的朋友可以參考下2023-02-02
Python機器學習庫scikit-learn入門開發(fā)示例
scikit-learn是一個開源Python語言機器學習工具包,它涵蓋了幾乎所有主流機器學習算法的實現(xiàn),并且提供了一致的調用接口。它基于Numpy和scipy等Python數(shù)值計算庫,提供了高效的算法實現(xiàn)2022-07-07

