Python中的二维与一维字典效率

在内存和速度方面，哪种方法更有效

d[（第一，第二）]

及

d[第一][第二]

---

其中

d

是元组字典还是字典？

令人惊讶的是，字典字典比CPython 2.7和Pypy 1.8中的元组都快

---

我没有检查空格，但你可以用ps来检查。这里有一些非常基本的测试数据，表明对于一个非常做作的示例（使用数字作为键存储“a”一百万次），使用两个字典要快得多

$ python -m timeit 'd = {i:{j:"a" for j in range(1000)} for i in range(1000)};a = [d[i][j] for j in range(1000) for i in range(1000)];'
10 loops, best of 3: 316 msec per loop
$ python -m timeit 'd = {(i, j):"a" for j in range(1000) for i in range(1000)};a = [d[i, j] for j in range(1000) for i in range(1000)];'
10 loops, best of 3: 970 msec per loop

当然，这些测试并不一定意味着什么，这取决于你要做什么。确定要存储的内容，然后进行测试

更多数据：

$ python -m timeit 'a = [(hash(i), hash(j)) for i in range(1000) for j in range(1000)]'
10 loops, best of 3: 304 msec per loop
$ python -m timeit 'a = [hash((i, j)) for i in range(1000) for j in range(1000)]'
10 loops, best of 3: 172 msec per loop
$ python -m timeit 'd = {i:{j:"a" for j in range(1000)} for i in range(1000)}'
10 loops, best of 3: 101 msec per loop
$ python -m timeit 'd = {(i, j):"a" for j in range(1000) for i in range(1000)}'
10 loops, best of 3: 645 msec per loop

---

再一次，这显然不是现实世界中的使用，但在我看来，用元组构建字典的成本是巨大的，这就是字典中的字典胜出的地方。这让我惊讶，我期待着完全不同的结果。有时间的话，我还得多试几样。

第一本是一本字典，第二本是两本。Memorywise两个字典可能会消耗更多的内存，但这一切都取决于你的应用程序数据配置文件。我认为答案是这几乎可以忽略不计。这里真正的问题应该是：什么对使用它的代码的读者/作者更有用？miku的说法“第一个[语句]是一本词典，第二个[语句]是两本。”并不完全正确。第二条语句

d[a][b]

实际上是N+1个字典，其中N是

a

的唯一值的数量。性能在这里至关重要，因为对更快执行的需求远远超过了对代码质量/可读性的需求。字典是哈希表，对吗？当然它们很快，但是它们占用了很多空间。什么更快？直观地说，我希望在字典字典上的插入速度会慢一些，因为您经常需要初始化一个新字典（如果您使用的是新的第一个键）。但是，我希望访问速度更快，因为碰撞会减少一个数量级。请提供代码，以便我们可以看到您实际在进行的基准测试。有趣。我的猜测是，差异是散列一个

元组所需的时间增加了。

？@agf发布了更多的数据，我真的不知道为什么差异如此之大。使用元组构建dict的成本要高得多，但哈希元组实际上更快？我使用的是非常粗糙的方法，所以我可能读取的数据太多了，但我仍然有点困惑。我想知道在构建二维字典时，单独循环值是否可以让您缓存更多的数据。这似乎是一个潜在的解释。“注意，dict有一条快速路径（在实践中）只处理str键；这不会影响算法的复杂性，但会显著影响常量因素：一个典型程序完成的速度。”也可能会影响这一点。