我想要一个Python对象,它可以灵活地采用任何键,我可以通过键来访问,就像一个字典,但却是不可改变的。一种选择是灵活地生成一个 namedtuple
但这样做是不是不好?在下面的例子中,一个linter人不会期望得到 nt
有属性 a
比如说。
例子:我想要一个Python对象,它可以灵活地取任何键,我可以通过键来访问,就像字典一样,但不可改变。
from collections import namedtuple
def foo(bar):
MyNamedTuple = namedtuple("MyNamedTuple", [k for k in bar.keys()])
d = {k: v for k, v in bar.items()}
return MyNamedTuple(**d)
>>> nt = foo({"a": 1, "b": 2})
我在评论中提到,我不确定为什么需要这样做。但我们可以简单地覆盖 __setitem__
的 词典类. 所有这一切可能 (极有可能) 导致问题的发生。一个最起码的例子就是。
class autodict(dict):
def __init__(self, *args, **kwargs):
super(autodict, self).__init__(*args, **kwargs)
def __getitem__(self, key):
val = dict.__getitem__(self, key)
return val
def __setitem__(self, key, val):
pass
x = autodict({'a' : 1, 'b' : 2})
x['c'] = 3
print(x)
这将产生 {'a': 1, 'b': 2}
从而忽略了 x['c'] = 3
套。
与命名的tuple相比,使用字典继承的速度差在40-1000倍之间。(参见下面的粗略速度测试)
该 in
操作符可以在字典上使用,但在命名的元组上就不是那么好用了。
'a' in nt == False
'a' in x == True
你可以用键访问字典的方式来代替 恰如其分 JavaScript风格
x['a'] == nt.a
虽然这是个口味问题。 你也不必挑剔键,因为字典基本上支持任何键标识符。
x[1] = 'a number'
nt = foo({1 : 'a number'})
命名的元组将导致 Type names and field names must be valid identifiers: '1'
现在,这只是一个粗略的例子,它会有很多不同,取决于系统,月亮在天空中的位置等等。但作为一个粗略的例子。
import time
from collections import namedtuple
class autodict(dict):
def __init__(self, *args, **kwargs):
super(autodict, self).__init__(*args, **kwargs)
#self.update(*args, **kwargs)
def __getitem__(self, key):
val = dict.__getitem__(self, key)
return val
def __setitem__(self, key, val):
pass
def __type__(self, *args, **kwargs):
return dict
def foo(bar):
MyNamedTuple = namedtuple("MyNamedTuple", [k for k in bar.keys()])
d = {k: v for k, v in bar.items()}
return MyNamedTuple(**d)
start = time.time()
for i in range(1000000):
nt = foo({'x'+str(i) : i})
end = time.time()
print('Named tuples:', end - start,'seconds.')
start = time.time()
for i in range(1000000):
x = autodict({'x'+str(i) : i})
end = time.time()
print('Autodict:', end - start,'seconds.')
结果是:
Named tuples: 59.21987843513489 seconds.
Autodict: 1.4844810962677002 seconds.
在我看来,字典的设置是非常快的。虽然这很可能与多 for
循环在命名元组设置中,这也许可以很容易地得到一些补救。但对于基本的理解来说,这是一个很大的区别。这个例子显然没有测试较大的一次性创建或访问时间。只是,"如果你在一段时间内使用这些选项来创建数据集,你会损失多少时间":)
奖励:如果你有一个大的基础字典,并想冻结它?
base_dict = {'x'+str(i) : i for i in range(1000000)}
start = time.time()
nt = foo(base_dict)
end = time.time()
print('Named tuples:', end - start,'seconds.')
start = time.time()
x = autodict(base_dict)
end = time.time()
print('Autodict:', end - start,'seconds.')
嗯,差异比我想象的要大。x1038.5
倍的速度。(我用CPU做其他事情,但我认为这是公平的游戏)
Named tuples: 154.0662612915039 seconds.
Autodict: 0.1483476161956787 seconds.
你可以使用 frozenset()
来存储数据,然后添加一个自定义的 __getitem__()
方法。
class Idict:
def __init__(self, d):
self.d = frozenset(d.items())
def __getitem__(self, k):
return [v for _k,v in self.d if _k == k][0]
d = {'a':1, 'b':2}
a = Idict(d)
a['a'] #1
a['h'] = 0 #TypeError: 'Idict' object does not support item assignment