Python 大小有效的字典（关联数组）实现

有哪些算法可以实现尺寸效率？ 例如，使用此键/值集，如何避免值中的重复“Alice”

{
    "Pride and Prejudice": "Alice",
    "The Brothers Karamazov": "Pat",
    "Wuthering Heights": "Alice"
}

我检查过了，但似乎实现的重点是速度（保持O（1））而不是大小

• 如果你的字典可以放在内存中，那么就可以使用一个简单的哈希表。

尝试在哈希表中插入每个键值。 如果插入前密钥已存在，则您已找到重复项。 在许多语言中都有大量的实现

基本上有两种方法：数组和树

• 以高内存成本关注速度。哈希表实现之间的主要区别在于行为的唯一性，有些实现强制唯一性，有些实现则不强制唯一性

• 树以O（log（n））cpu使用为代价，关注内存智能使用。g++映射依赖于非常满的电源

如果大小是非常非常有问题的，那么您应该搜索压缩和/或压缩，但它的成本稍高，以适应词汇

• 如果你的措辞无法记忆

您应该查看数据库。 数据库的红黑树称为（几乎）。它针对低延迟硬盘驱动器案例进行了分支因子优化

我在维基百科上放了很多链接，但如果你喜欢这个主题，我建议你：

---

提高空间效率的一种方法（除了共享值之外，正如bennofs在评论中指出的那样，您可以通过使用sys.intern有效地实现共享值），就是使用，这是一种开放寻址方案（线性探测的一种变体）为了解决冲突，封闭式寻址方案会占用更多空间，因为您需要为每个bucket分配一个链表，而对于开放式寻址方案，您只需在备份阵列中使用一个相邻的开放插槽，而无需分配任何链表。与其他开放寻址方案（如布谷鸟散列或香草线性探测）不同，跳点散列在高负载因子（超过90%）下表现良好，并保证恒定的查找时间。

如注释中所述，您可以使用以确保相同的字符串只存储一次：

class InternDict(dict):

    def __setitem__(self, key, value):
        if isinstance(value, str):
            super(InternDict, self).__setitem__(key, intern(value))
        else:
            super(InternDict, self).__setitem__(key, value)

下面是一个具有以下效果的示例：

>>> d = {}
>>> d["a"] = "This string is presumably too long to be auto-interned."
>>> d["b"] = "This string is presumably too long to be auto-interned."
>>> d["a"] is d["b"]
False
>>> di = InternDict()
>>> di["a"] = "This string is presumably too long to be auto-interned."
>>> di["b"] = "This string is presumably too long to be auto-interned."
>>> di["a"] is di["b"]
True

---

保留第二个字典，将值id（例如哈希）映射到值，在这个字典中使用值id。您的数据结构是否支持可变值？如果您只希望字符串作为值，我认为您可以存储sys.intern的结果。@Pavel:这不会很简单，因为可能会有哈希值id冲突。交换键和值？