嵌套在Dict理解中的Python集理解

我有一个元组列表，其中每个

元组

包含一个

字符串

和一个以下形式的数字：

[(string_1, num_a), (string_2, num_b), ...]

字符串是非唯一的，数字也是非唯一的，例如列表中可能存在的

（string\u 1，num\u m）

或

（string\u 9，num\u b）

我试图创建一个以字符串为键的字典，并创建一组以该字符串为值的所有数字：

dict = {string_1: {num_a, num_m}, string_2: {num_b}, ...}

我通过以下嵌套集理解的词典理解成功地做到了这一点：

#st_id_list = [(string_1, num_a), ...]
#st_dict = {string_1: {num_a, num_m}, ...} 
st_dict = {
    st[0]: set(
        st_[1]
        for st_ in st_id_list
        if st_[0] == st[0]
    )
    for st in st_id_list
}

只有一个问题：

st_id_list

有18000个条目。这段代码对于500个元组的列表运行不到10秒，但是对于18000个元组的列表运行超过12分钟。我不得不认为这是因为我把一个集合理解嵌套在一个dict理解中

---

有什么方法可以避免这种情况，还是更聪明的方法呢？

你有一个双循环，所以你需要花费O（N**2）时间来制作字典。对于500个项目，需要执行250.000个步骤；对于18k个项目，需要执行3.24亿个步骤

这里是一个O（N）循环，因此对于较小的数据集，500个步骤，对于较大的数据集，18.000个步骤：

st_dict = {}
for st, id in st_id_list:
    st_dict.setdefault(st, set()).add(id)

这使用确保对于给定的键（字符串值），如果缺少该键，则至少有一个空集可用，然后将当前的

id

值添加到该集

您也可以通过以下方式执行此操作：

defaultdict（）

使用传入的工厂为缺少的键设置默认值

---

defaultdict

方法的缺点是，对象在循环后会继续为丢失的键生成默认值，这可能会隐藏应用程序错误。使用

st_dict.default\u factory=None

明确禁用工厂以防止出现这种情况。

如果可以在一个循环中执行以下操作，为什么要使用两个循环：

list_1=[('string_1', 'num_a'), ('string_2', 'num_b'),('string_1' , 'num_m'),('string_9' , 'num_b')]

string_num={}
for i in list_1:
    if i[0] not in string_num:
        string_num[i[0]]={i[1]}
    else:
        string_num[i[0]].add(i[1])

print(string_num)

输出：

{'string_9': {'num_b'}, 'string_1': {'num_a', 'num_m'}, 'string_2': {'num_b'}}

---

哇，非常有帮助，谢谢你！额外的好处：我不知道dict.setdefault（），并且一直在别处用if语句模拟该功能！再次感谢你！

{'string_9': {'num_b'}, 'string_1': {'num_a', 'num_m'}, 'string_2': {'num_b'}}