Python 用于在内存中维护表格数据的数据结构?
我的场景如下:我有一个在程序中广泛使用的数据表(少数字段,不到100行)。我还需要将这些数据持久化,所以我将其保存为CSV并在启动时加载。我选择不使用数据库,因为每一个选项(甚至SQLite)对于我的卑微要求来说都是多余的(而且-我希望能够以一种简单的方式离线编辑值,没有什么比记事本更简单的了) 假设我的数据如下所示(在文件中是逗号分隔的,没有标题,这只是一个示例): 注:Python 用于在内存中维护表格数据的数据结构?,python,data-structures,Python,Data Structures,我的场景如下:我有一个在程序中广泛使用的数据表(少数字段,不到100行)。我还需要将这些数据持久化,所以我将其保存为CSV并在启动时加载。我选择不使用数据库,因为每一个选项(甚至SQLite)对于我的卑微要求来说都是多余的(而且-我希望能够以一种简单的方式离线编辑值,没有什么比记事本更简单的了) 假设我的数据如下所示(在文件中是逗号分隔的,没有标题,这只是一个示例): 注: 行可以是写入文件的“真实”值,也可以只是表示行号的自动生成值。无论哪种方式,它都存在于内存中 名称是唯一的 我对数据所做的
a = []
a.append( [1, "Cat", 1998, 1] )
a.append( [2, "Fish", 1998, 2] )
a.append( [3, "Dog", 1999, 1] )
...
列列表列表(显然会有一个用于添加行等的API):
列列表字典(可以创建常量来替换字符串键):
键为元组的字典(行、字段):
我相信还有其他方法。。。然而,当涉及到我的需求(复杂的排序和计数)时,每种方法都有缺点
推荐的方法是什么 编辑:
澄清一下,性能对我来说不是一个主要问题。由于表太小,我相信几乎每个操作都在毫秒范围内,这与我的应用程序无关。我个人会使用行列表列表。因为每一行的数据总是以相同的顺序排列,所以只需访问每个列表中的元素,就可以轻松地按任何列进行排序。您还可以轻松地根据每个列表中的特定列进行计数,并进行搜索。它基本上和二维阵列一样接近 实际上,这里唯一的缺点是您必须知道数据的顺序,如果您更改了顺序,则必须更改搜索/排序例程以匹配 你可以做的另一件事是列出字典
rows = []
rows.append({"ID":"1", "name":"Cat", "year":"1998", "priority":"1"})
这将避免需要知道参数的顺序,因此您可以查看列表中的每个“年”字段。内存中有一个需要查找、排序和任意聚合的“表”,这确实需要SQL。您说过您尝试过SQLite,但您是否意识到SQLite可以使用只在内存中的数据库
connection = sqlite3.connect(':memory:')
然后,您可以使用SQLite的所有功能在内存中创建/删除/查询/更新表,完成后不会留下任何文件。而在Python2.5中,sqlite3
在标准库中,因此在IMO中它并不是真正的“过度使用”
以下是如何创建和填充数据库的示例:
import csv
import sqlite3
db = sqlite3.connect(':memory:')
def init_db(cur):
cur.execute('''CREATE TABLE foo (
Row INTEGER,
Name TEXT,
Year INTEGER,
Priority INTEGER)''')
def populate_db(cur, csv_fp):
rdr = csv.reader(csv_fp)
cur.executemany('''
INSERT INTO foo (Row, Name, Year, Priority)
VALUES (?,?,?,?)''', rdr)
cur = db.cursor()
init_db(cur)
populate_db(cur, open('my_csv_input_file.csv'))
db.commit()
如果您真的不想使用SQL,您可能应该使用字典列表:
lod = [ ] # "list of dicts"
def populate_lod(lod, csv_fp):
rdr = csv.DictReader(csv_fp, ['Row', 'Name', 'Year', 'Priority'])
lod.extend(rdr)
def query_lod(lod, filter=None, sort_keys=None):
if filter is not None:
lod = (r for r in lod if filter(r))
if sort_keys is not None:
lod = sorted(lod, key=lambda r:[r[k] for k in sort_keys])
else:
lod = list(lod)
return lod
def lookup_lod(lod, **kw):
for row in lod:
for k,v in kw.iteritems():
if row[k] != str(v): break
else:
return row
return None
测试结果如下:
>>> lod = []
>>> populate_lod(lod, csv_fp)
>>>
>>> pprint(lookup_lod(lod, Row=1))
{'Name': 'Cat', 'Priority': '1', 'Row': '1', 'Year': '1998'}
>>> pprint(lookup_lod(lod, Name='Aardvark'))
{'Name': 'Aardvark', 'Priority': '1', 'Row': '4', 'Year': '2000'}
>>> pprint(query_lod(lod, sort_keys=('Priority', 'Year')))
[{'Name': 'Cat', 'Priority': '1', 'Row': '1', 'Year': '1998'},
{'Name': 'Dog', 'Priority': '1', 'Row': '3', 'Year': '1999'},
{'Name': 'Aardvark', 'Priority': '1', 'Row': '4', 'Year': '2000'},
{'Name': 'Wallaby', 'Priority': '1', 'Row': '5', 'Year': '2000'},
{'Name': 'Fish', 'Priority': '2', 'Row': '2', 'Year': '1998'},
{'Name': 'Zebra', 'Priority': '3', 'Row': '6', 'Year': '2001'}]
>>> pprint(query_lod(lod, sort_keys=('Year', 'Priority')))
[{'Name': 'Cat', 'Priority': '1', 'Row': '1', 'Year': '1998'},
{'Name': 'Fish', 'Priority': '2', 'Row': '2', 'Year': '1998'},
{'Name': 'Dog', 'Priority': '1', 'Row': '3', 'Year': '1999'},
{'Name': 'Aardvark', 'Priority': '1', 'Row': '4', 'Year': '2000'},
{'Name': 'Wallaby', 'Priority': '1', 'Row': '5', 'Year': '2000'},
{'Name': 'Zebra', 'Priority': '3', 'Row': '6', 'Year': '2001'}]
>>> print len(query_lod(lod, lambda r:1997 <= int(r['Year']) <= 2002))
6
>>> print len(query_lod(lod, lambda r:int(r['Year'])==1998 and int(r['Priority']) > 2))
0
>lod=[]
>>>填充\u lod(lod、csv\u fp)
>>>
>>>pprint(查找\u lod(lod,行=1))
{'Name':'Cat','Priority':'1','Row':'1','Year':'1998'}
>>>pprint(lookup_lod(lod,Name='Aardvark'))
{'Name':'Aardvark','Priority':'1','Row':'4','Year':'2000'}
>>>pprint(查询详细程度(详细程度,排序关键字=('Priority','Year'))
[{'Name':'Cat','Priority':'1','Row':'1','Year':'1998'},
{'Name':'Dog','Priority':'1','Row':'3','Year':'1999'},
{'Name':'Aardvark','Priority':'1','Row':'4','Year':'2000'},
{'Name':'Wallaby','Priority':'1','Row':'5','Year':'2000'},
{'Name':'Fish','Priority':'2','Row':'2','Year':'1998'},
{'Name':'Zebra','Priority':'3','Row':'6','Year':'2001'}]
>>>pprint(查询lod(lod,排序键=('Year','Priority'))
[{'Name':'Cat','Priority':'1','Row':'1','Year':'1998'},
{'Name':'Fish','Priority':'2','Row':'2','Year':'1998'},
{'Name':'Dog','Priority':'1','Row':'3','Year':'1999'},
{'Name':'Aardvark','Priority':'1','Row':'4','Year':'2000'},
{'Name':'Wallaby','Priority':'1','Row':'5','Year':'2000'},
{'Name':'Zebra','Priority':'3','Row':'6','Year':'2001'}]
>>>打印len(查询lod(lod,lambda r:1997>打印len)(查询lod(lod,lambda r:int(r['Year'])==1998,int(r['Priority'])>2))
0
就我个人而言,我更喜欢SQLite版本,因为它更好地保留了您的类型(在Python中没有额外的转换代码),并且易于扩展以适应未来的需求。但是,我对SQL非常熟悉,所以YMMV。首先,考虑到您有一个复杂的数据检索场景,您确定即使SQLite也有过多的功能吗 您将得到一个临时的、非正式指定的、充满bug的、缓慢的SQLite的一半的实现
你说,选择一个数据结构会影响一个或多个搜索、排序或计数,这是非常正确的,因此,如果性能是最重要的,并且数据是恒定的,那么你可以考虑为不同的目的而拥有不止一个结构。
最重要的是,测量哪些操作更常见,并确定哪种结构最终成本更低。有一个表类,其行是dict或更好的行对象列表 在表中,不要直接添加行,而是使用一种方法来更新一些查找映射,例如名称 如果不按顺序添加行或id不连续,也可以使用idMap e、 g
我知道一个很老的问题,但是 熊猫数据帧似乎是这里的理想选择 F
connection = sqlite3.connect(':memory:')
import csv
import sqlite3
db = sqlite3.connect(':memory:')
def init_db(cur):
cur.execute('''CREATE TABLE foo (
Row INTEGER,
Name TEXT,
Year INTEGER,
Priority INTEGER)''')
def populate_db(cur, csv_fp):
rdr = csv.reader(csv_fp)
cur.executemany('''
INSERT INTO foo (Row, Name, Year, Priority)
VALUES (?,?,?,?)''', rdr)
cur = db.cursor()
init_db(cur)
populate_db(cur, open('my_csv_input_file.csv'))
db.commit()
lod = [ ] # "list of dicts"
def populate_lod(lod, csv_fp):
rdr = csv.DictReader(csv_fp, ['Row', 'Name', 'Year', 'Priority'])
lod.extend(rdr)
def query_lod(lod, filter=None, sort_keys=None):
if filter is not None:
lod = (r for r in lod if filter(r))
if sort_keys is not None:
lod = sorted(lod, key=lambda r:[r[k] for k in sort_keys])
else:
lod = list(lod)
return lod
def lookup_lod(lod, **kw):
for row in lod:
for k,v in kw.iteritems():
if row[k] != str(v): break
else:
return row
return None
>>> lod = []
>>> populate_lod(lod, csv_fp)
>>>
>>> pprint(lookup_lod(lod, Row=1))
{'Name': 'Cat', 'Priority': '1', 'Row': '1', 'Year': '1998'}
>>> pprint(lookup_lod(lod, Name='Aardvark'))
{'Name': 'Aardvark', 'Priority': '1', 'Row': '4', 'Year': '2000'}
>>> pprint(query_lod(lod, sort_keys=('Priority', 'Year')))
[{'Name': 'Cat', 'Priority': '1', 'Row': '1', 'Year': '1998'},
{'Name': 'Dog', 'Priority': '1', 'Row': '3', 'Year': '1999'},
{'Name': 'Aardvark', 'Priority': '1', 'Row': '4', 'Year': '2000'},
{'Name': 'Wallaby', 'Priority': '1', 'Row': '5', 'Year': '2000'},
{'Name': 'Fish', 'Priority': '2', 'Row': '2', 'Year': '1998'},
{'Name': 'Zebra', 'Priority': '3', 'Row': '6', 'Year': '2001'}]
>>> pprint(query_lod(lod, sort_keys=('Year', 'Priority')))
[{'Name': 'Cat', 'Priority': '1', 'Row': '1', 'Year': '1998'},
{'Name': 'Fish', 'Priority': '2', 'Row': '2', 'Year': '1998'},
{'Name': 'Dog', 'Priority': '1', 'Row': '3', 'Year': '1999'},
{'Name': 'Aardvark', 'Priority': '1', 'Row': '4', 'Year': '2000'},
{'Name': 'Wallaby', 'Priority': '1', 'Row': '5', 'Year': '2000'},
{'Name': 'Zebra', 'Priority': '3', 'Row': '6', 'Year': '2001'}]
>>> print len(query_lod(lod, lambda r:1997 <= int(r['Year']) <= 2002))
6
>>> print len(query_lod(lod, lambda r:int(r['Year'])==1998 and int(r['Priority']) > 2))
0
class Table(object):
def __init__(self):
self.rows = []# list of row objects, we assume if order of id
self.nameMap = {} # for faster direct lookup for row by name
def addRow(self, row):
self.rows.append(row)
self.nameMap[row['name']] = row
def getRow(self, name):
return self.nameMap[name]
table = Table()
table.addRow({'ID':1,'name':'a'})
from BD_XML import Tabla
Table = Tabla('Animals')
Table.agregar_columna(campo='Name', tipo='str')
Table.agregar_columna(campo='Year', tipo='date')
#declaring it date, time, datetime or timestamp is important for being able to store it as a time object and not only as a number, But you can always put it as a int if you don't care for dates
Table.agregar_columna(campo='Priority', tipo='int')
Table += ('Cat', date(1998,1,1), 1)
Table += {'Year':date(1998,1,1), 'Priority':2, Name:'Fish'}
#…
#The condition for adding is that is a container accessible with either the column name or the position of the column in the table
file = os.path.abspath(os.path.join(os.path.dirname(__file__), 'Animals.xml'))
Table.exportar_xml()
Table.escribir_xml(file)
Table.importar_xml(file, tipo='archivo')
#archivo means file
#UPDATE <Table> SET Name = CONCAT(Name,' ',Priority), Priority = NULL WHERE id = 2
for row in Table:
if row['id'] == 2:
row['Name'] += ' ' + row['Priority']
row['Priority'] = None
print(Table)
#DELETE FROM <Table> WHERE MOD(id,2) = 0 LIMIT 1
n = 0
nmax = 1
for row in Table:
if row['id'] % 2 == 0:
del Table[row]
n += 1
if n >= nmax: break
print(Table)
if row.pos == 2: