Python字典：获取键列表的值列表

是否有一种内置/快速的方法可以使用字典的键列表来获取相应项的列表

例如，我有：

>>> mydict = {'one': 1, 'two': 2, 'three': 3}
>>> mykeys = ['three', 'one']

如何使用

mykeys

获取字典中的对应值作为列表

>>> mydict.WHAT_GOES_HERE(mykeys)
[3, 1]

---

列表理解似乎是一种很好的方法：

>>> [mydict[x] for x in mykeys]
[3, 1]

---

列表理解似乎是一种很好的方法：

>>> [mydict[x] for x in mykeys]
[3, 1]

或者只是

mydict.keys（）

这是字典的内置方法调用。同时探索

mydict.values（）

和

mydict.items（）

//啊，这篇文章把我弄糊涂了

或只是

mydict.keys（）

这是字典的内置方法调用。同时探索

mydict.values（）

和

mydict.items（）

//啊，这篇文章把我弄糊涂了

试试这个：

mydict = {'one': 1, 'two': 2, 'three': 3}
mykeys = ['three', 'one'] # if there are many keys, use a set

[mydict[k] for k in mykeys]
=> [3, 1]

试试这个：

mydict = {'one': 1, 'two': 2, 'three': 3}
mykeys = ['three', 'one'] # if there are many keys, use a set

[mydict[k] for k in mykeys]
=> [3, 1]

---

除列表比较外，还有其他几种方法：

• 如果找不到键，则生成列表并引发异常：

  map（mydict.\uu getitem\uuuu，mykeys）

• 如果未找到键，则使用

  None

  生成列表：

  map（mydict.get，mykeys）

或者，使用

操作符.itemgetter

可以返回元组：

from operator import itemgetter
myvalues = itemgetter(*mykeys)(mydict)
# use `list(...)` if list is required

---

注意：在Python3中，

map

返回迭代器而不是列表。使用

列表（映射（…）

获取列表。

除了列表比较外，还有其他几种方法：

reduce(lambda x,y: mydict.get(y) and x.append(mydict[y]) or x, mykeys,[])

• 如果找不到键，则生成列表并引发异常：

  map（mydict.\uu getitem\uuuu，mykeys）

• 如果未找到键，则使用

  None

  生成列表：

  map（mydict.get，mykeys）

或者，使用

操作符.itemgetter

可以返回元组：

from operator import itemgetter
myvalues = itemgetter(*mykeys)(mydict)
# use `list(...)` if list is required

注意：在Python3中，

map

返回迭代器而不是列表。使用

列表（映射（…）

获取列表

reduce(lambda x,y: mydict.get(y) and x.append(mydict[y]) or x, mykeys,[])

万一字典里没有钥匙

如果有不在目录中的键。

这里有三种方法

找不到钥匙时引发钥匙错误：

result = [mapping[k] for k in iterable]

缺少键的默认值

result = [mapping.get(k, default_value) for k in iterable]

result = [mapping[k] for k in iterable if k in mapping]

跳过丢失的键

result = [mapping.get(k, default_value) for k in iterable]

result = [mapping[k] for k in iterable if k in mapping]

这里有三种方法

找不到钥匙时引发钥匙错误：

result = [mapping[k] for k in iterable]

缺少键的默认值

result = [mapping.get(k, default_value) for k in iterable]

result = [mapping[k] for k in iterable if k in mapping]

跳过丢失的键

result = [mapping.get(k, default_value) for k in iterable]

result = [mapping[k] for k in iterable if k in mapping]

---

一点速度比较：

Python 2.7.11 |Anaconda 2.4.1 (64-bit)| (default, Dec  7 2015, 14:10:42) [MSC v.1500 64 bit (AMD64)] on win32
In[1]: l = [0,1,2,3,2,3,1,2,0]
In[2]: m = {0:10, 1:11, 2:12, 3:13}
In[3]: %timeit [m[_] for _ in l]  # list comprehension
1000000 loops, best of 3: 762 ns per loop
In[4]: %timeit map(lambda _: m[_], l)  # using 'map'
1000000 loops, best of 3: 1.66 µs per loop
In[5]: %timeit list(m[_] for _ in l)  # a generator expression passed to a list constructor.
1000000 loops, best of 3: 1.65 µs per loop
In[6]: %timeit map(m.__getitem__, l)
The slowest run took 4.01 times longer than the fastest. This could mean that an intermediate result is being cached 
1000000 loops, best of 3: 853 ns per loop
In[7]: %timeit map(m.get, l)
1000000 loops, best of 3: 908 ns per loop
In[33]: from operator import itemgetter
In[34]: %timeit list(itemgetter(*l)(m))
The slowest run took 9.26 times longer than the fastest. This could mean that an intermediate result is being cached 
1000000 loops, best of 3: 739 ns per loop

因此，列表理解和itemgetter是实现这一点的最快方法

更新： 对于大型随机列表和地图，我得到了一些不同的结果：

Python 2.7.11 |Anaconda 2.4.1 (64-bit)| (default, Dec  7 2015, 14:10:42) [MSC v.1500 64 bit (AMD64)] on win32
In[2]: import numpy.random as nprnd
l = nprnd.randint(1000, size=10000)
m = dict([(_, nprnd.rand()) for _ in range(1000)])
from operator import itemgetter
import operator
f = operator.itemgetter(*l)
%timeit f(m)
%timeit list(itemgetter(*l)(m))
%timeit [m[_] for _ in l]  # list comprehension
%timeit map(m.__getitem__, l)
%timeit list(m[_] for _ in l)  # a generator expression passed to a list constructor.
%timeit map(m.get, l)
%timeit map(lambda _: m[_], l)
1000 loops, best of 3: 1.14 ms per loop
1000 loops, best of 3: 1.68 ms per loop
100 loops, best of 3: 2 ms per loop
100 loops, best of 3: 2.05 ms per loop
100 loops, best of 3: 2.19 ms per loop
100 loops, best of 3: 2.53 ms per loop
100 loops, best of 3: 2.9 ms per loop

因此在这种情况下，明确的赢家是

f=operator.itemgetter（*l）；f（m）

，并清除局外人：

映射（lambda:m[\uu]，l）

Python 3.6.4的更新：

import numpy.random as nprnd
l = nprnd.randint(1000, size=10000)
m = dict([(_, nprnd.rand()) for _ in range(1000)])
from operator import itemgetter
import operator
f = operator.itemgetter(*l)
%timeit f(m)
%timeit list(itemgetter(*l)(m))
%timeit [m[_] for _ in l]  # list comprehension
%timeit list(map(m.__getitem__, l))
%timeit list(m[_] for _ in l)  # a generator expression passed to a list constructor.
%timeit list(map(m.get, l))
%timeit list(map(lambda _: m[_], l)
1.66 ms ± 74.2 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
2.1 ms ± 93.2 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
2.58 ms ± 88.8 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
2.36 ms ± 60.7 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
2.98 ms ± 142 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
2.7 ms ± 284 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
3.14 ms ± 62.6 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

---

因此，Python 3.6.4的结果几乎相同。

速度比较：

Python 2.7.11 |Anaconda 2.4.1 (64-bit)| (default, Dec  7 2015, 14:10:42) [MSC v.1500 64 bit (AMD64)] on win32
In[1]: l = [0,1,2,3,2,3,1,2,0]
In[2]: m = {0:10, 1:11, 2:12, 3:13}
In[3]: %timeit [m[_] for _ in l]  # list comprehension
1000000 loops, best of 3: 762 ns per loop
In[4]: %timeit map(lambda _: m[_], l)  # using 'map'
1000000 loops, best of 3: 1.66 µs per loop
In[5]: %timeit list(m[_] for _ in l)  # a generator expression passed to a list constructor.
1000000 loops, best of 3: 1.65 µs per loop
In[6]: %timeit map(m.__getitem__, l)
The slowest run took 4.01 times longer than the fastest. This could mean that an intermediate result is being cached 
1000000 loops, best of 3: 853 ns per loop
In[7]: %timeit map(m.get, l)
1000000 loops, best of 3: 908 ns per loop
In[33]: from operator import itemgetter
In[34]: %timeit list(itemgetter(*l)(m))
The slowest run took 9.26 times longer than the fastest. This could mean that an intermediate result is being cached 
1000000 loops, best of 3: 739 ns per loop

因此，列表理解和itemgetter是实现这一点的最快方法

更新： 对于大型随机列表和地图，我得到了一些不同的结果：

Python 2.7.11 |Anaconda 2.4.1 (64-bit)| (default, Dec  7 2015, 14:10:42) [MSC v.1500 64 bit (AMD64)] on win32
In[2]: import numpy.random as nprnd
l = nprnd.randint(1000, size=10000)
m = dict([(_, nprnd.rand()) for _ in range(1000)])
from operator import itemgetter
import operator
f = operator.itemgetter(*l)
%timeit f(m)
%timeit list(itemgetter(*l)(m))
%timeit [m[_] for _ in l]  # list comprehension
%timeit map(m.__getitem__, l)
%timeit list(m[_] for _ in l)  # a generator expression passed to a list constructor.
%timeit map(m.get, l)
%timeit map(lambda _: m[_], l)
1000 loops, best of 3: 1.14 ms per loop
1000 loops, best of 3: 1.68 ms per loop
100 loops, best of 3: 2 ms per loop
100 loops, best of 3: 2.05 ms per loop
100 loops, best of 3: 2.19 ms per loop
100 loops, best of 3: 2.53 ms per loop
100 loops, best of 3: 2.9 ms per loop

因此在这种情况下，明确的赢家是

f=operator.itemgetter（*l）；f（m）

，并清除局外人：

映射（lambda:m[\uu]，l）

Python 3.6.4的更新：

import numpy.random as nprnd
l = nprnd.randint(1000, size=10000)
m = dict([(_, nprnd.rand()) for _ in range(1000)])
from operator import itemgetter
import operator
f = operator.itemgetter(*l)
%timeit f(m)
%timeit list(itemgetter(*l)(m))
%timeit [m[_] for _ in l]  # list comprehension
%timeit list(map(m.__getitem__, l))
%timeit list(m[_] for _ in l)  # a generator expression passed to a list constructor.
%timeit list(map(m.get, l))
%timeit list(map(lambda _: m[_], l)
1.66 ms ± 74.2 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
2.1 ms ± 93.2 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
2.58 ms ± 88.8 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
2.36 ms ± 60.7 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
2.98 ms ± 142 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
2.7 ms ± 284 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
3.14 ms ± 62.6 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

因此，Python 3.6.4的结果几乎相同。

在

在不构建列表的情况下检索密钥：

from __future__ import (absolute_import, division, print_function,
                        unicode_literals)

import collections


class DictListProxy(collections.Sequence):
    def __init__(self, klist, kdict, *args, **kwargs):
        super(DictListProxy, self).__init__(*args, **kwargs)
        self.klist = klist
        self.kdict = kdict

    def __len__(self):
        return len(self.klist)

    def __getitem__(self, key):
        return self.kdict[self.klist[key]]


myDict = {'age': 'value1', 'size': 'value2', 'weigth': 'value3'}
order_list = ['age', 'weigth', 'size']

dlp = DictListProxy(order_list, myDict)

print(','.join(dlp))
print()
print(dlp[1])

输出：

value1,value3,value2

value3

与关闭后列表给出的顺序相匹配

在不构建列表的情况下检索密钥：

from __future__ import (absolute_import, division, print_function,
                        unicode_literals)

import collections


class DictListProxy(collections.Sequence):
    def __init__(self, klist, kdict, *args, **kwargs):
        super(DictListProxy, self).__init__(*args, **kwargs)
        self.klist = klist
        self.kdict = kdict

    def __len__(self):
        return len(self.klist)

    def __getitem__(self, key):
        return self.kdict[self.klist[key]]


myDict = {'age': 'value1', 'size': 'value2', 'weigth': 'value3'}
order_list = ['age', 'weigth', 'size']

dlp = DictListProxy(order_list, myDict)

print(','.join(dlp))
print()
print(dlp[1])

输出：

value1,value3,value2

value3

与列表给出的顺序相匹配的，请尝试以下操作：

mydict = {'one': 1, 'two': 2, 'three': 3}
mykeys = ['three', 'one','ten']
newList=[mydict[k] for k in mykeys if k in mydict]
print newList
[3, 1]

试试这个：

mydict = {'one': 1, 'two': 2, 'three': 3}
mykeys = ['three', 'one','ten']
newList=[mydict[k] for k in mykeys if k in mydict]
print newList
[3, 1]

---

熊猫在这方面做得非常优雅，尽管ofc列表的理解在技术上总是更像蟒蛇。我现在没有时间进行速度比较（我稍后会回来进行比较）：

---

熊猫在这方面做得非常优雅，尽管ofc列表的理解在技术上总是更像蟒蛇。我现在没有时间进行速度比较（我稍后会回来进行比较）：

---

@彼得·格洛珀你很困惑

items（）

是首选，它不需要进行额外的查找，这里没有

len（mydict）*len（mykeys）

操作！（注意，我使用的是一套）@ÓscarLópez是的，你在检查字典的每个元素。iteritems在您需要它们之前不会生成它们，因此它可以避免构建中间列表，但您仍然可以为mydict中的每个k运行“k in mykeys”（order len（mykeys），因为它是一个列表）。完全不必要的是，与仅在mykeys上运行的更简单的列表理解相比。@inspectorG4dget@PeterdGlopper

mykeys

上的成员资格操作是按固定时间摊销的，我使用的是集合，而不是列表将OP的列表转换为集合至少使其线性化，但它在错误的数据结构上仍然是线性的，并且失去了顺序。考虑一下10K字典和MyK密钥中的2个密钥的情况。您的解决方案会进行10k集成员资格测试，而对于简单的列表理解，则会进行两次字典查找。一般来说，可以安全地假设键的数量将小于字典元素的数量，如果不是，您的方法将忽略重复的元素。@peterdegloper您感到困惑了

items（）

是首选，它不需要进行额外的查找，这里没有

len（mydict）*len（mykeys）

操作！（注意，我使用的是一套）@ÓscarLópez是的，你在检查字典的每个元素。iteritems在您需要它们之前不会生成它们，因此它可以避免构建中间列表，但您仍然可以为mydict中的每个k运行“k in mykeys”（order len（mykeys），因为它是一个列表）。完全不必要的是，与仅在mykeys上运行的更简单的列表理解相比。@inspectorG4dget@PeterdGlopper

mykeys

上的成员资格操作是按固定时间摊销的，我使用的是集合，而不是列表将OP的列表转换为集合至少使其线性化，但它在错误的数据结构上仍然是线性的，并且失去了顺序。考虑一下10K字典和MyK密钥中的2个密钥的情况。与简单列表的两次字典查找相比，您的解决方案进行10k集成员资格测试