在增加现有值的同时向字典添加新键

Question

我正在处理一个 CSV 文件并计算第 4 列的唯一值。到目前为止，我已经编写了这三种方式。一个使用“if key in dictionary”，第二个捕获 KeyError，第三个使用“DefaultDictionary”。例如（其中 x[3] 是文件中的值，“a”是字典）：

第一种方式：

if x[3] in a:
    a[x[3]] += 1
else:
    a[x[3]] = 1

第二种方式：

try:
    b[x[3]] += 1
except KeyError:
    b[x[3]] = 1

第三种方式：

from collections import defaultdict
c = defaultdict(int)
c[x[3]] += 1

我的问题是：哪种方式更有效...更清洁...更好...等等。或者有更好的方法。两种方法都有效并给出相同的答案，但我认为我会利用蜂巢思维作为学习案例。

谢谢-

Answer 1

使用collections.Counter。 Counter 是 defaultdict(int) 的语法糖，但它很酷的是它在构造函数中接受一个可迭代对象，从而节省了一个额外的步骤（我假设您上面的所有示例都包含在一个 for 循环中。）

from collections import Counter
count = Counter(x[3] for x in my_csv_reader)

在引入collections.Counter之前，collections.defaultdict是这个任务最惯用的，所以对于defaultdict。

from collections import defaultdict
count = defaultdict(int)
for x in my_csv_reader:
    count[x[3]] += 1

Answer 2

您问哪个更有效。假设您正在谈论执行速度：如果您的数据很小，那没关系。如果它是大而典型的，“已经存在”的情况将比“不在字典中”的情况发生得更频繁。这一观察结果解释了一些结果。

下面是一些代码，可以与timeit 模块一起使用，以在没有文件读取开销的情况下探索速度。我冒昧地添加了第 5 种方法，它并非没有竞争力，并且可以在至少 1.5.2 [测试] 之后的任何 Python 上运行。

from collections import defaultdict, Counter

def tally0(iterable):
    # DOESN'T WORK -- common base case for timing
    d = {}
    for item in iterable:
        d[item] = 1
    return d

def tally1(iterable):
    d = {}
    for item in iterable:
        if item in d:
            d[item] += 1
        else:
            d[item] = 1
    return d

def tally2(iterable):
    d = {}
    for item in iterable:
        try:
            d[item] += 1
        except KeyError:
            d[item] = 1
    return d

def tally3(iterable):
    d = defaultdict(int)
    for item in iterable:
        d[item] += 1

def tally4(iterable):
    d = Counter()
    for item in iterable:
        d[item] += 1

def tally5(iterable):
    d = {}
    dg = d.get
    for item in iterable:
        d[item] = dg(item, 0) + 1
    return d

典型运行（在 Windows XP“命令提示符”窗口中）：

prompt>\python27\python -mtimeit -s"t=1000*'now is the winter of our discontent made glorious summer by this son of york';import tally_bench as tb" "tb.tally1(t)"
10 loops, best of 3: 29.5 msec per loop

以下是结果（每循环毫秒）：

0 base case   13.6
1 if k in d   29.5
2 try/except  26.1
3 defaultdict 23.4
4 Counter     79.4
5 d.get(k, 0) 29.2

另一个计时试验：

prompt>\python27\python -mtimeit -s"from collections import defaultdict;d=defaultdict(int)" "d[1]+=1"
1000000 loops, best of 3: 0.309 usec per loop

prompt>\python27\python -mtimeit -s"from collections import Counter;d=Counter()" "d[1]+=1"
1000000 loops, best of 3: 1.02 usec per loop

Counter 的速度可能是由于它部分用 Python 代码实现，而 defaultdict 完全用 C 语言实现（至少在 2.7 中）。

请注意，Counter() 不仅仅是defaultdict(int) 的“语法糖”——它实现了一个完整的bag 又名multiset 对象——有关详细信息，请参阅文档；如果您需要一些花哨的后期处理，它们可能会让您免于重新发明轮子。如果您只想计算事物，请使用defaultdict。

更新以回应@Steven Rumbalski 的问题：“””我很好奇，如果将可迭代对象移入 Counter 构造函数会发生什么情况：d = Counter(iterable)？（我有python 2.6，无法测试。) """

tally6：d = Count(iterable); return d，需要 60.0 毫秒

您可以查看源代码（SVN 存储库中的collections.py）...这是我的Python27\Lib\collections.py 在iterable 不是映射实例时所做的：

            self_get = self.get
            for elem in iterable:
                self[elem] = self_get(elem, 0) + 1

以前在任何地方见过该代码吗？只是为了调用可在 Python 1.5.2 中运行的代码:-O

Answer 3

from collections import Counter
Counter(a)

Answer 4

由于您无权访问Counter，因此最好的选择是您的第三种方法。它更干净，更容易阅读。此外，它没有前两种方法所具有的永久测试（和分支），这使得它更有效。

Answer 5

使用setdefault。

a[x[3]] = a.setdefault(x[3], 0) + 1

setdefault 获取指定键的值（本例中为x[3]），如果不存在，则获取指定值（本例中为0）。