Python 如何加快遍历大型词典的速度

我有一个字典，分别有键值对

句子ID

和

簇ID

这是一种格式：

{sequence\u ID:cluster\u ID}

例如：

my_id_dict:
    {0: 71, 
    1: 63, 
    2: 66, 
    3: 92, 
    4: 49, 
    5: 85
      .
      .}

总共，我有超过200000个句子ID和100个集群ID

我试图循环使用

my_id_dict

，为每个集群生成一个句子id的列表

我想要的示例输出：

Cluster 0
[63, 71, 116, 168, 187, 231, 242, 290, 330, 343]

Cluster 1
[53, 107, 281, 292, 294, 313, 353, 392, 405, 479]

这是我使用的代码：

逻辑是，对于每个集群，创建一个句子列表，然后对于所有200000 over dict值中的cluster_id，如果dict值==当前集群索引，则将句子id写入句子列表

继续100次

    cluster_dict = defaultdict(list)
    num_clusters = 100

    for cluster in xrange(0,num_clusters):
        print "\nCluster %d" % cluster

        sentences = []
        for i in xrange(0,len(my_id_dict.values())):
            if( my_id_dict.values()[i] == cluster ):
                sentences.append(my_id_dict.keys()[i])

        cluster_dict[cluster] = sentences
        print sentences[:10]

---

这是可行的，但速度非常慢。有没有更快的方法可以做到这一点？

你要检查每个集群的每个句子。只需将每个句子检查一次，然后将其分配到一个簇：

cluster_dict = defaultdict(list)
for sentence, cluster in my_id_dict.items():
    cluster_dict[cluster].append(sentence)