전체 파이썬 사전을 순회하는 빠른 방법

Question

가끔은 모든 항목을보고 분석하고 싶고 다른 항목은 한 항목 만 선택하려고하는 순서없는 데이터가 있습니다.

p1 x1 x2 x3 x4 
p2 x1 x2 x3 x4 
p33 x1 x2 x3 x4 
p3 x1 x2 x3 x4 
p4 x1 x2 x3 x4 

Dictionary는 정렬되지 않기 때문에, 데이터를 저장하는 좋은 형식을 것, 그리고 내가 할 수 p33를 얻으려면 어디 테이블에 나는 dict["p33"]가 있다고 할 수 있습니다. 이 조회에는 시간이 좀 걸릴 것이지만, 원하는 모든 행을 찾기 위해 전체 데이터를 반복하는 것보다 빠르다는 가정이 있습니다. (적어도 이것이 광고 된 이점은 dict입니다.)

예를 들어 전체 데이터를보고 싶습니다. x3이 0 인 횟수를 세면 모든 줄을 반복해야하고 for item in dict.keys():의 for 루프로 수행하는 것이 너무 느립니다. 나는 키를 얻은 다음에 dict[item]을 수행하면 각 항목에 대해 사전에서 찾아야하기 때문에 쓸데없는 조회가 많이 발생한다는 인상을받습니다. 반면에 내 목표는 연속적으로 읽는 것이 좋을 것입니다. "목록 인 것처럼 ".

그래서 사전의 모든 항목을 루프하는 더 빠른 방법이 있는지 궁금합니다. 가능한 사용은 C++ 기능을 기존의 경우

감사

Answer 1

파이썬은 높은 수준의 프로그래밍 및 낮은 수준입니다 나를 위해 그것의 가능한 사용 NumPy와/팬더 ...

는 C++의 경우 ... 그래서에있는 NumPy와 팬더 또는 다른 libs와 ..

는()`python3 또는`dict.itervalues ​​()`python2에에 ...

>>> import numpy as np, pandas as pd 
>>> p1 = np.arange(10) 
>>> dct = dict(
... p1 = np.arange(10), 
... p2 = np.ones(10), 
... p3 = np.zeros(10), 
... p33 = np.ones(10)*10, 
... p4 = np.linspace(0,1,10)) 
>>> 
>>> dct 
{'p2': array([ 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.]), 'p33': array([ 10., 10., 10., 10., 10., 
10., 10., 10., 10., 10.]), 'p1': array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]), 'p4': array([ 0.  , 0.11111111, 0.22222222, 0.33333333, 0.44444444, 
     0.55555556, 0.66666667, 0.77777778, 0.88888889, 1.  ]), 'p3': array([ 0., 0., 0., 0., 0., 
    0., 0., 0., 0., 0.])} 
>>> from pprint import pprint as pr 
>>> pr(dct) 
{'p1': array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]), 
'p2': array([ 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.]), 
'p3': array([ 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]), 
'p33': array([ 10., 10., 10., 10., 10., 10., 10., 10., 10., 10.]), 
'p4': array([ 0.  , 0.11111111, 0.22222222, 0.33333333, 0.44444444, 
     0.55555556, 0.66666667, 0.77777778, 0.88888889, 1.  ])} 
>>> df = pd.DataFrame(dct) 
>>> df 
    p1 p2 p3 p33  p4 
0 0 1.0 0.0 10.0 0.000000 
1 1 1.0 0.0 10.0 0.111111 
2 2 1.0 0.0 10.0 0.222222 
3 3 1.0 0.0 10.0 0.333333 
4 4 1.0 0.0 10.0 0.444444 
5 5 1.0 0.0 10.0 0.555556 
6 6 1.0 0.0 10.0 0.666667 
7 7 1.0 0.0 10.0 0.777778 
8 8 1.0 0.0 10.0 0.888889 
9 9 1.0 0.0 10.0 1.000000 
>>> df.T 
     0   1   2   3   4   5   6 \ 
p1 0.0 1.000000 2.000000 3.000000 4.000000 5.000000 6.000000 
p2 1.0 1.000000 1.000000 1.000000 1.000000 1.000000 1.000000 
p3 0.0 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 
p33 10.0 10.000000 10.000000 10.000000 10.000000 10.000000 10.000000 
p4 0.0 0.111111 0.222222 0.333333 0.444444 0.555556 0.666667 

      7   8  9 
p1 7.000000 8.000000 9.0 
p2 1.000000 1.000000 1.0 
p3 0.000000 0.000000 0.0 
p33 10.000000 10.000000 10.0 
p4 0.777778 0.888889 1.0 
>>> df = df.T 
>>> df.columns = ['x%d'%(n+1) for n in df.columns.values] 
>>> df 
     x1   x2   x3   x4   x5   x6   x7 \ 
p1 0.0 1.000000 2.000000 3.000000 4.000000 5.000000 6.000000 
p2 1.0 1.000000 1.000000 1.000000 1.000000 1.000000 1.000000 
p3 0.0 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 
p33 10.0 10.000000 10.000000 10.000000 10.000000 10.000000 10.000000 
p4 0.0 0.111111 0.222222 0.333333 0.444444 0.555556 0.666667 

      x8   x9 x10 
p1 7.000000 8.000000 9.0 
p2 1.000000 1.000000 1.0 
p3 0.000000 0.000000 0.0 
p33 10.000000 10.000000 10.0 
p4 0.777778 0.888889 1.0 
>>> df.x3 
p1  2.000000 
p2  1.000000 
p3  0.000000 
p33 10.000000 
p4  0.222222 
Name: x3, dtype: float64 
>>> df.x3 == 0 
p1  False 
p2  False 
p3  True 
p33 False 
p4  False 
Name: x3, dtype: bool 
>>> np.sum(df.x3 == 0) 
1 
>>>