Encontrar las claves coincidentes en dos grandes diccionarios y hacerlo rápido
-
19-09-2019 - |
Pregunta
Estoy tratando de encontrar las teclas correspondientes en dos diccionarios diferentes. Cada uno tiene unos 600k entradas.
Digamos por ejemplo:
myRDP = { 'Actinobacter': 'GATCGA...TCA', 'subtilus sp.': 'ATCGATT...ACT' }
myNames = { 'Actinobacter': '8924342' }
Quiero imprimir el valor de Actinobacter (8.924.342) ya que coincide con un valor myRDP.
El siguiente código funciona, pero es muy lento:
for key in myRDP:
for jey in myNames:
if key == jey:
print key, myNames[key]
He intentado lo siguiente pero siempre se traduce en una KeyError:
for key in myRDP:
print myNames[key]
¿Hay tal vez una función implementada en C para hacer esto? He buscado en Google en todo pero nada parece funcionar.
Gracias.
Solución
Utilice conjuntos, porque tienen incorporado un método intersection
que debe ser rápido:
myRDP = { 'Actinobacter': 'GATCGA...TCA', 'subtilus sp.': 'ATCGATT...ACT' }
myNames = { 'Actinobacter': '8924342' }
rdpSet = set(myRDP)
namesSet = set(myNames)
for name in rdpSet.intersection(namesSet):
print name, myNames[name]
# Prints: Actinobacter 8924342
Otros consejos
Usted puede hacer esto:
for key in myRDP:
if key in myNames:
print key, myNames[key]
Su primer intento fue lento porque hacer una comparación cada tecla en myRDP con cada tecla en myNames. En la jerga algorítmico, si myRDP ha n elementos y myNames tiene m elementos, a continuación, que el algoritmo tomarían O ( n × m ) operaciones. Para 600k elementos cada uno, esto es 360,000,000,000 comparaciones!
Pero probando si un elemento particular es una clave de un diccionario es rápido - de hecho, esta es una de las características definitorias de los diccionarios. En términos algorítmicos, la prueba key in dict
es O (1), o constante de tiempo. Así que mi algoritmo toma O (n ) el tiempo, que es uno 600000a del tiempo.
en Python 3 que sólo puede hacer
myNames.keys() & myRDP.keys()
for key in myRDP:
name = myNames.get(key, None)
if name:
print key, name
dict.get
devuelve el valor por defecto que le dan (en este caso, None
) si no existe la clave.
Se podría empezar por encontrar las claves comunes y luego iterar sobre ellos. operaciones de conjunto debe ser rápida, ya que se implementan en C, por lo menos en las versiones modernas de Python.
common_keys = set(myRDP).intersection(myNames)
for key in common_keys:
print key, myNames[key]
Utilice el método get
lugar:
for key in myRDP:
value = myNames.get(key)
if value != None:
print key, "=", value
La forma mejor y más fácil sería simplemente realizar operaciones con el conjunto común (Python 3).
a = {"a": 1, "b":2, "c":3, "d":4}
b = {"t1": 1, "b":2, "e":5, "c":3}
res = a.items() & b.items() # {('b', 2), ('c', 3)} For common Key and Value
res = {i[0]:i[1] for i in res} # In dict format
common_keys = a.keys() & b.keys() # {'b', 'c'}
Saludos!
Copie ambos diccionarios en un diccionario / matriz. Esto tiene sentido ya que tienes 1: 1 los valores relacionados. A continuación, necesita sólo una búsqueda, sin lazo de comparación, y puede acceder al valor relacionado directamente.
Ejemplo resultante Dictionary / matriz:
[Name][Value1][Value2]
[Actinobacter][GATCGA...TCA][8924342]
[XYZbacter][BCABCA...ABC][43594344]
...
Aquí está mi código para hacer intersecciones, uniones, las diferencias y otras operaciones de conjuntos en los diccionarios:
class DictDiffer(object):
"""
Calculate the difference between two dictionaries as:
(1) items added
(2) items removed
(3) keys same in both but changed values
(4) keys same in both and unchanged values
"""
def __init__(self, current_dict, past_dict):
self.current_dict, self.past_dict = current_dict, past_dict
self.set_current, self.set_past = set(current_dict.keys()), set(past_dict.keys())
self.intersect = self.set_current.intersection(self.set_past)
def added(self):
return self.set_current - self.intersect
def removed(self):
return self.set_past - self.intersect
def changed(self):
return set(o for o in self.intersect if self.past_dict[o] != self.current_dict[o])
def unchanged(self):
return set(o for o in self.intersect if self.past_dict[o] == self.current_dict[o])
if __name__ == '__main__':
import unittest
class TestDictDifferNoChanged(unittest.TestCase):
def setUp(self):
self.past = dict((k, 2*k) for k in range(5))
self.current = dict((k, 2*k) for k in range(3,8))
self.d = DictDiffer(self.current, self.past)
def testAdded(self):
self.assertEqual(self.d.added(), set((5,6,7)))
def testRemoved(self):
self.assertEqual(self.d.removed(), set((0,1,2)))
def testChanged(self):
self.assertEqual(self.d.changed(), set())
def testUnchanged(self):
self.assertEqual(self.d.unchanged(), set((3,4)))
class TestDictDifferNoCUnchanged(unittest.TestCase):
def setUp(self):
self.past = dict((k, 2*k) for k in range(5))
self.current = dict((k, 2*k+1) for k in range(3,8))
self.d = DictDiffer(self.current, self.past)
def testAdded(self):
self.assertEqual(self.d.added(), set((5,6,7)))
def testRemoved(self):
self.assertEqual(self.d.removed(), set((0,1,2)))
def testChanged(self):
self.assertEqual(self.d.changed(), set((3,4)))
def testUnchanged(self):
self.assertEqual(self.d.unchanged(), set())
unittest.main()