如何从键值匹配中找到键值？

Question

我有一个很长的命令，看起来像这样：

OrderedDict([('JIRAUSER16100', {'name': 'john.smith', 'fullname': 'John Smith', 'email': '[email protected]', 'active': True}), ('JIRAUSER16300', {'name': 'susan.jones', 'fullname': 'Susan Jones', 'email': '[email protected]', 'active': True})])

我如何搜索此列表以根据键值匹配找到键值？例如，对于苏珊·琼斯，我想根据姓名值查找她的电子邮件？有没有一种Python方式可以找到它而不只是遍历整个字典？

目前，我只是在下面执行此操作，但是当我必须遍历该列表1000次时，它似乎效率很低。我很好奇是否有某种“查找”方法吗？

searchname = "susan.jones"
for user in my_ordered_dict.items():
   if user[1]["name"] == searchname:
      print(user[1]["email"])

Answer 1

如果要查找特定的匹配项，则必须遍历结构直到找到它，这样就不必遍历整个字典。

类似：

In [19]: d = OrderedDict([('JIRAUSER16100', {'name': 'john.smith', 'fullname': 'John Smith', 'email': '[email protected]', 
    ...: 'active': True}), ('JIRAUSER16300', {'name': 'susan.jones', 'fullname': 'Susan Jones', 'email': '[email protected]
    ...: t', 'active': True})]) 
    ...:                                                                                                                        

In [20]: def find_entry_by_subkey(sub_key, sub_key_value, data): 
    ...:     for entry in data.values(): 
    ...:         if entry[sub_key] == sub_key_value: 
    ...:             return entry 
    ...:                                                                                                                        

In [21]: find_entry_by_subkey('email', '[email protected]', d)                                                            
Out[21]: 
{'name': 'susan.jones',
 'fullname': 'Susan Jones',
 'email': '[email protected]',
 'active': True

Answer 2

您可能会对此进行改进的两种方法。您说您的OrderedDict确实很长，所以我建议您使用第一种方法，因为随着数据大小的增加，它很快就会比第二种方法更快。

1）使用Pandas：

In [1]: from collections import OrderedDict

In [2]: import pandas as pd

In [3]: d = OrderedDict([
   ...:     ('JIRAUSER16100', {'name': 'john.smith',
   ...:                        'fullname': 'John Smith',
   ...:                        'email': '[email protected]',
   ...:                        'active': True}),
   ...:     ('JIRAUSER16300', {'name': 'susan.jones',
   ...:                        'fullname': 'Susan Jones',
   ...:                        'email': '[email protected]',
   ...:                        'active': True})
   ...: ])
In [4]: df = pd.DataFrame(d).T

In [5]: df
Out[5]:
                      name     fullname                    email active
JIRAUSER16100   john.smith   John Smith   [email protected]   True
JIRAUSER16300  susan.jones  Susan Jones  [email protected]   True

In [6]: df.loc[df['name'] == 'susan.jones', 'email'][0]
Out[6]: '[email protected]'

[从易于学习但虚弱到难以学习但强大的规模上，pandas远远落后于后者。如果您不熟悉pandas，这里有很多可打包的东西，因此，为了简洁起见，我不再赘述。但是，如果有更多解释会有所帮助，请随时对任何问题发表评论。

2）使用内置的next功能

这将使您避免循环浏览整个词典。长话短说，您可以传递next具有三元表达式的生成器，并且该生成器实际上会经过可迭代的过程，直到找到满足给定条件的first项。因此，就您而言，

next

会工作。这将为您节省遍历整个词典的时间，但是与选项1不同，它的速度取决于您要查找的条目在

In [7]: next(entry['email'] for entry in d.values() if entry['name'] == 'susan.jones')
Out[7]: '[email protected]'

中的位置。除非您出于某种原因只需要坚持使用标准库，否则在任何大小合理的数据集上Pandas的速度都会更快。

希望这会有所帮助！