考虑 x/y 坐标列表和字节“计数”。 x/y 的范围可能是 0 到 5000，即 2500 万个单元格。
但是数据将非常稀疏，最多有几千个条目，并且大多数坐标的条目为零。
偶尔会查找/添加该结构（例如，如果 x=5 和 y=10 中存在某些内容，则 ++）但更频繁地转换为 x/y/count 列表（排序并不重要）
用于查找的最快数据结构显然是 2d 数组，但您正在查看 24 MB 左右的内存，并且输出列表的迭代可能很昂贵。对于磁盘存储，您可以实现 gif 样式压缩，其中 0 字节后跟另一个字节表示 x 个空单元格，其他任何内容都是单元格值 - 但这无助于内存情况。
字典的字典可能会在查找/迭代速度和内存使用之间取得很好的平衡。
是否有任何其他合适的数据结构我应该考虑（内置于 Python、现有库或更通用的数据结构？
【问题讨论】：
按点键控的字典（即 2 元组）对我来说听起来不错。它像数组一样 O(1)，而且更紧凑。只要您永远不需要进行范围查询等，应该没问题。
# increment
p = (x, y)
counts[p] = counts.get(p, 0) + 1
# list
for (p, count) in counts.iteritems():
x, y = p
print x, y, count
【讨论】：
counts = defaultdict(int) 这样你就可以写counts[x,y]+=1
defaultdict 很酷，虽然它是在 Python 2.5 中添加的，所以如果有人担心的话，使用d.get(p, 0) + 1 方法对于 Python 2.4 及更早版本是可移植的。
scipy 的范围为different sparse arrays
有七种可用的稀疏矩阵类型：
csc_matrix：压缩稀疏列格式
csr_matrix：压缩稀疏行格式
bsr_matrix：块稀疏行格式
lil_matrix：列表格式列表
dok_matrix：键格式字典
coo_matrix：COOrdinate 格式（又名 IJV，三元组格式）
dia_matrix: 对角线格式
【讨论】：
这应该类似于处理数据范围大小的稀疏矩阵，这里有很多东西需要细细琢磨http://en.wikipedia.org/wiki/Sparse_matrix
【讨论】：