Python 改进函数运行时

我创建了一个函数，用于获取数据结构并将其所有元组替换为列表

例如：

in_data = ({'name': 'Bob', 'age': 50, 'children': ('Alex', 'Justin', 'Daniel')},
           {'Name': 'Olive', 'Age': 42, 'Children': ('Rose', 'Vera', 'Karen')})

out_data = [{'name': 'Bob', 'age': 50, 'children': ['Alex', 'Justin', 'Daniel']}, 
            {'Name': 'Olive', 'Age': 42, 'Children': ['Rose', 'Vera', 'Karen']}]

这就是功能：

def t2l(data):
    if type(data) in [tuple]:
        data = list(data)
    for inx, item in enumerate(data):  
        if type(data) in [dict]:
            inx, item = item, data[item]
        if type(item) in [tuple]:
            data[inx] = list(item)
            item = data[inx]
        if type(item) in (list, dict, tuple):
            data[inx] = t2l(item)
    return data

这个函数将在RDD的数百万行上运行，因此我希望尽可能地改进它

有没有一种方法可以改进像开箱即用的函数这样的运行时功能，使其更好

---

谢谢

不知道它是否更快或者会篡改您拥有的其他数据，但您可以转储到json并重新加载它

import json


print(json.loads(json.dumps(in_data)))

---

这应该会更快，但我不确定您是否要检查除

tuple

之外的任何内容：

def t2l(data):
    for item in data:
        for key in item:
            if type(item[key]) is tuple:
                item[key] = [*item[key]]
    data = [*data]
    return data

性能：

%%timeit
t2l(in_data*1000000)

735 ms ± 12.8 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

%%timeit
json.loads(json.dumps(in_data*1000000))

4.43 s ± 37.1 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

---

您需要这样做的具体原因是什么？您可以将它转储到json并重新加载它的IDE注意：我可以问一下为什么需要执行这样的转换吗？不可能直接以列表的形式接收数据，也不可能直接以元组的形式使用数据吗？在PySpark中将带有元组的RDD转换为Dataframe时，我得到的是一个java指针，而不是数组。一旦把它转换成一个列表，我就得到了正确的数据。