在Python中展平范围对（堆/对分？）

在生物信息学中，我们进行了大量的以下转换：

>>> data = {
    (90,100):1,
    (91,101):1,
    (92,102):2,
    (93,103):1,
    (94,104):1
}

>>> someFuction(data)

{
     90:1,
     91:2,
     92:4,
     93:5,
     94:6,
     95:6,
     96:6,
     97:6,
     98:6,
     99:6,
    100:6,
    101:5,
    102:4,
    103:2,
    104:1
}

其中，数据中的元组始终是唯一的一对。 但是有很多方法可以实现这一转变——有些方法明显优于其他方法。我试过的一个方法是：

newData = {}
for pos, values in data.iteritems():
    A,B = pos
    for i in xrange(A,B+1):
        try: newData[i] += values
        except KeyError: newData[i] = values

这样做的好处是它又短又甜，但我不确定它是否有效率。。。。 我有一种感觉，不知何故，把dict变成一个列表，然后再做xrange，会节省很多时间。我们谈论的是每个实验数周的计算工作。大概是这样的：

>>> someFuction(data)
[ 
    [90,90,1], 
    [91,91,2], 
    [92,92,4], 
    [93,93,5], 
    [94,100,6], 
    [101,101,5], 
    [102,102,4], 
    [103,103,2], 
    [104,104,1] 
]

然后执行for/xrange循环。

---

#Python上的人推荐了二分法和heapy，但是在与二分法斗争了一整天之后，我无法想出一个好的算法，我可以说它100%可以一直工作。如果在座的任何人能为我提供帮助，甚至为我指出正确的方向，我将不胜感激：）

我不知道为什么只有20个观点和反对票。也许它是太领域特定的，所以

无论如何，我昨晚制定了一个解决方案，将一个文件的总运行时间从大约400分钟缩短到251分钟。我会发布代码，但它相当长，并且在边缘案例中可能有bug。出于这个原因，我会说“工作”代码可以在程序“rawSeQL”中找到，但最有帮助的算法改进是：

• 在重叠数组上循环并使用乘数值将它们展平到非重叠数组会产生巨大的差异，因为xrange（）现在不需要重复自身

• 在上面的try/except循环中，使用collections.defaultdict（int）有很大的不同。collections.Counter（）和orderedDict比try/except慢得多

• 我使用了bisect_left（）来找到插入下一个非重叠部分的位置，结果是如此，但随后添加了bisect的“low”参数来限制它需要检查的列表的范围，从而大大减少了计算时间。如果对输入列表进行排序，则low的值始终是bisect的最后一个返回值，这使此过程变得简单：）

heapy可能会提供更多的好处，但目前上面提到的主要算法改进可能会超过任何编译时技巧。我现在有75个文件要处理，这意味着仅这三件事就可以节省大约12500天的计算时间：）