搜索Python字典键

早在2000年，我就开始在Matlab中编写real代码。创建数组时，可以简单快速地搜索该数组的键。就是这样,

found_keys = find(my_array(:, 1) > start_time & my_array(:, 1) < end_time)

其中，我的_数组是一个数组矩阵，在本例中，第一列是一个时间戳。返回的是大于开始时间小于结束时间的时间戳列表。然后，我可以循环找到的_键，只处理我的_数组中相关的数据

我现在正在用Python处理有时间戳的数据，我试图匹配来自两个不同来源的数据，它们在不同的时区报告时间，但不知道这些时区是什么。来自这两个来源的数据由40k和10K地块的单个事件组成。10K代表两个来源报告的单个事件。这两个源共享3个值相同的字段

因此，理想情况下，我将确定10k源中单个事件的时间戳。然后，我将创建一个时间窗口-+/-12小时，用于定义搜索的开始时间和结束时间。然后我只搜索40k源中时间戳介于开始时间和结束时间之间的单个事件

在Matlab中，这将非常容易，但在Python中，我必须使用OrderedDict将时间戳键从低到高排序。我仍然不知道有什么等效于Matlab的find函数。因此，我被困在每一个10k事件的40k源循环中。显然，一旦找到匹配项，我就可以跳出循环，甚至从dict中弹出值，但这只会大大加快搜索速度。被命令后，我可以在时间戳大于结束时间后退出循环。但同样，这些简单的优化还有很多需要改进的地方

虽然我目前的40k和10k数据集并没有那么大，但我不能只进行大搜索，然后等待结果，我更喜欢一种更快的方法

有什么想法吗

--编辑以显示结果：2015年2月25日--

我偏爱字典理解，因为最终的结果是我需要下游代码的值的字典。时间过得很快，没什么大不了的。然而，到目前为止，numpy解决方案是最快的。以下是数字：

Numpy:0.47毫秒 链式比较列表：11.30毫秒 字典理解：11.82毫秒 所有3个解决方案都提供了相同的答案。在我的测试中，它将43977个单项减少到49个。如果我只运行几次，任何和所有的解决方案都将是完美的，但我可以运行此代码数千次，因此numpy和其他所有代码之间的差异变得很重要。

如果您有一个列表，一个可以处理多种类型的数组，您可以使用列表理解来获取它们！您可以执行以下操作：

new_list = [something(i) for i in list if condition]

这是基本语法。结合比较链接x>y>=z等

---

将是您的列表，其中my_数组是时间戳列表。

如果您可以使用numpy数组而不是OrderedDict，那么语法与Matlab非常接近

例如，示例行变为：

found_keys = numpy.where((my_array[:, 0] > start_time)*(my_array[:, 0] < end_time))[0]

---

请注意，在Python中，Matlab的&已更改为*，但numpy也包含了与之相同的内容。

使用Dict理解，这类似于列表理解，但适用于Dict

data = {0: 'w', 1: 's', 2: 'e', 3: 'r', 4: 'v', 5: 'a', 6: 's', 7: 'r', 8: 'e', 9: 'w', 10: 'v', 11: 'a', 12: 's'}
start_timestamp = 3
end_timestamp = 6
filtered_data = {k:v for k, v in data.iteritems() if k > start_timestamp and k < end_timestamp}

结果:

---

{4:v'，5:a'}

您的数据是一个dict，其中键是时间戳字符串吗？或者它的结构不是这样的？对于这两个源，我已经重新格式化了数据，使事件ID成为dict键。在大多数情况下，该键匹配两个源，并且链接2很简单。偶尔也不会。所以我创建了一个索引，其中时间戳浮动是键，40k源的事件ID是值。特别是为了做这个搜索。我有一个dict，所以我假设你会建议将dict键和时间戳转换成一个列表，然后用链式比较运行你的第二行。当我写完这个问题时，我想到了这个想法，但我还没有太多地使用numpy。因此，虽然我认为有一种方法我不确定它会是什么。这将是理想的，因为它将键和值返回到一个新的dict中。我现在正在加载所有数据-需要几分钟。完成后，我将尝试所有3种解决方案。让你知道哪个最快。

data = {0: 'w', 1: 's', 2: 'e', 3: 'r', 4: 'v', 5: 'a', 6: 's', 7: 'r', 8: 'e', 9: 'w', 10: 'v', 11: 'a', 12: 's'}
start_timestamp = 3
end_timestamp = 6
filtered_data = {k:v for k, v in data.iteritems() if k > start_timestamp and k < end_timestamp}