在python中高效地存储一组整数序列
我有一大组整数序列,下面是小样本:在python中高效地存储一组整数序列,python,data-structures,integer,sequence,Python,Data Structures,Integer,Sequence,我有一大组整数序列,下面是小样本: 1 2 1 1 2 1 3 2 4 1 3 2 ... 简单地将它们存储为元组列表会给我带来内存错误,因此我正在寻找一种更好的数据结构来保存它们(或等效信息)。序列之间的顺序并不重要(即序列没有id),但需要保留每个序列中的顺序 你知道如何有效地做到这一点吗?我正在考虑一本嵌套字典;对于上面的示例,将如下所示: {1: {2: {-1: 1}, 3: {2: {-1: 2}, -1: 0}, -1: 2}, 2: {-1: 1},
1
2
1
1 2
1 3 2
4
1 3 2
...
简单地将它们存储为元组列表会给我带来内存错误,因此我正在寻找一种更好的数据结构来保存它们(或等效信息)。序列之间的顺序并不重要(即序列没有id),但需要保留每个序列中的顺序
你知道如何有效地做到这一点吗?我正在考虑一本嵌套字典;对于上面的示例,将如下所示:
{1: {2: {-1: 1},
3: {2: {-1: 2}, -1: 0},
-1: 2},
2: {-1: 1},
4: {-1: 1}}
“叶”值(由键-1给出)是各个序列的计数。当然,这并没有利用所有键都是整数这一事实
粗略地说,我希望管理大约10亿个序列,平均长度为3,具有大量冗余。不同整数的数量约为一百万。有什么好主意/现有的图书馆吗
编辑:
构建数据结构的“子集”应该是有效的,如下所示。给定一个整数x
,只获取包含x
的序列。例如,如果x=2
,那么我们将从初始数据结构构建以下子集:
{1: {2: {-1: 1},
3: {2: {-1: 2}, -1: 0},
-1: 0},
2: {-1: 1}}
如果可能的话,我还希望能够构建一个子集,如下所示。我指定一对整数(x,y)
,对应的子集是序列集,其中x
和y
都出现,第一个x
出现在第一个y
之前。例如,对于(x,y)=(1,2)
,我们将得到
{1: {2: {-1: 1},
3: {2: {-1: 2}, -1: 0},
-1: 0}}
我没有明确的O(logn)要求,最后它应该尽可能快地运行:)不幸的是,我不能提供实际的数据样本,因为它不是我的共享对象。考虑到冗余的数量,您可以使用压缩所有常用前缀的压缩 看起来您的嵌套字典结构正朝着这个方向发展,但哈希映射不一定是最节省空间的存储(您没有提到任何查找性能要求)
例如,考虑将其存储为嵌套列表,用1元组来区分叶值(虽然我们可能会提出更干净的):
对于平均长度3,这应该是相当浅的,并且希望使用列表而不是字典在每个级别上减少松弛 请注意,如果某些分支很长且没有分支,则可以以代码复杂性为代价压缩冗余深度。考虑子树[1, [2, [3, ... [n, (1,)]...]]]
可以编码为
[1, 2, 3, ..., n, (1,)]
只要区分平面序列和同级序列(这里,叶始终是1元组,子树始终是列表,其他任何元素都是平面序列中的下一个元素)
新的子集需求更加复杂。我可以想出一些可能的办法:
- 每个级别的筛选器只是其子级中筛选器的逻辑OR
对于平均为3个整数的短序列,我看不到比将它们编码为带有引用计数的数组更有效的方法了
[
(2, [1]),
(1, [2]),
(1, [1, 2]),
(2, [1, 3, 2]),
(1, [4])
]
考虑一下这一点;使用建议的Trie,对于每个新的子序列,至少需要一个新数组和一个元组,这意味着100M数组和元组,就像这个版本一样。数组存储最多也有100M个数组/元组,而如果子序列相差多个数字,则Trie不会。Trie在消除大量重复的较长序列中大放异彩,但在代码执行的整个过程中,您是否需要在内存中添加额外的数组来平均保存?或者你能把它存储到一个文件/数据库中吗?我们说的是多少不同的完整序列?最或者这10亿个数字都是不同的序列吗?@JoachimIsaksson OP已经写道:“粗略地说,我希望管理大约10亿个序列,平均长度为3,具有大量冗余。不同整数的数量约为100万。有什么好主意/现有库吗?”@是的,但每个序列都有多个整数。他说“大量冗余”,但这并不是很具体。我不明白你是如何从你的样本列表中得到你的样本记录的?这是同一个例子还是我遗漏了什么?事实上,看起来我在想trie,谢谢链接!关于查找要求,Inbar Rose还指出,我应该提到如何使用数据结构,因此我正在编辑我的问题。那么,这是否得到了足够的压缩?我很想知道它是如何运作的。是的,在存储方面,它大大改善了我的序列。数据集压缩系数为10到100。
[
(2, [1]),
(1, [2]),
(1, [1, 2]),
(2, [1, 3, 2]),
(1, [4])
]