Python 什么是字典视图对象？

在Python2.7中，我们得到了可用的

现在，我知道以下的利弊：

• dict.items（）

  （和

  值

  ，

  键

  ）：返回一个列表，以便实际存储结果，然后

• dict.iteritems（）

  （及类似内容）：返回一个生成器，因此您可以逐个迭代生成的每个值

dict.viewitems（）

（及类似内容）的用途是什么？它们的好处是什么？它是如何工作的？究竟什么是景观

---

我读到，这种观点总是反映出字典中的变化。但是从性能和内存的角度来看，它是如何工作的呢？优缺点是什么？

视图方法返回一个列表（与

.keys（）

、

.items（）

和

.values（）

相比，它不是列表的副本），因此它更轻量级，但反映了字典的当前内容

从

主要原因是，对于许多用例，返回一个完整的 分离列表是不必要和浪费的。这需要复制 整个内容（可能很多，也可能不是很多）

如果您只是想迭代这些键，那么创建一个新列表 没有必要。如果您确实需要它作为一个单独的列表（作为 复制）然后可以从视图轻松创建该列表

---

仅仅通过阅读文档，我就得到了这样的印象：

视图是“伪集合式”的，因为它们不支持索引，所以您可以使用它们测试成员资格并对其进行迭代（因为键是可散列且唯一的，键和项视图更像“集合式”，因为它们不包含重复项）

您可以存储它们并多次使用它们，就像列表版本一样

因为它们反映了底层字典，所以字典中的任何更改都将改变视图，并且几乎肯定会改变迭代的顺序。因此，与列表版本不同，它们并不“稳定”

因为它们反映了底层字典，所以几乎可以肯定它们是小的代理对象；复制键/值/项需要他们以某种方式查看原始字典，并在发生更改时复制多次，这将是一个荒谬的实现。所以我希望内存开销很小，但是访问速度比直接访问字典要慢一点

---

所以我想关键的用例是，如果你保持一个字典，并反复迭代它的键/项/值，其间进行修改。您可以只使用视图，将mydict.iteritems（）中k，v的

转换为myview中k，v的
：
。但是如果你只是在字典上迭代一次，我认为iter版本还是比较好的。
字典视图基本上就是它们的名字所说的：视图就像字典键和值（或项）上的一个窗口。以下是Python3版本的摘录：

>>> dishes = {'eggs': 2, 'sausage': 1, 'bacon': 1, 'spam': 500}
>>> keys = dishes.keys()
>>> values = dishes.values()

>>> # view objects are dynamic and reflect dict changes
>>> del dishes['eggs']
>>> keys  # No eggs anymore!
dict_keys(['sausage', 'bacon', 'spam'])

>>> values  # No eggs value (2) anymore!
dict_values([1, 1, 500])

（Python2等价物使用
disks.viewkeys（）
和
disks.viewvalues（）
）

此示例显示视图的动态特性：关键点视图不是给定时间点关键点的副本，而是显示关键点的简单窗口；如果它们被改变了，那么你通过窗口看到的也会改变。此功能在某些情况下非常有用（例如，可以使用程序多个部分中键的视图，而不是每次需要时重新计算当前键列表）-请注意，如果在视图上迭代时修改了字典键，则迭代器的行为未得到很好的定义，哪个可以

一个优点是，例如，查看键只使用小而固定的内存量，并且需要小而固定的处理器时间，因为不需要创建键列表（另一方面，Python2经常不必要地创建一个新列表，正如Rajendran T所引用的那样，它占用的内存和时间与列表的长度成正比）。要继续窗口类比，如果你想看到墙后的风景，你只需在其中开一个口（你构建了一个窗口）；将关键点复制到列表中相当于在墙上绘制风景的副本。副本需要时间、空间，并且不会自动更新

总而言之，视图只是…视图（窗口）在您的字典上，即使字典发生更改，也会显示其内容。它们提供了与列表不同的功能：键列表包含给定时间点的字典键副本，而视图是动态的，获取速度更快，因为它不必复制任何数据（键或值）为了被创建。
正如您提到的
dict.items（）
返回字典的（键，值）对列表的副本，这是浪费的，
dict.iteritems（）
返回字典的（键，值）对的迭代器

现在以下面的例子来看dict的interator和dict视图之间的区别

>>> d = {"x":5, "y":3}
>>> iter = d.iteritems()
>>> del d["x"]
>>> for i in iter: print i
... 
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
RuntimeError: dictionary changed size during iteration

视图只是字典现在的样子。删除条目后，
.items（）
将过期，
.iteritems（）
会引发错误。
视图允许您访问参考底图数据结构，而无需复制它。除了作为动态视图而不是创建列表外，它们最有用的用法之一是在测试中使用
。假设您想检查dict中是否有值（它是键还是值）

选项一是使用
dict.keys（）
创建一个密钥列表，这样做有效，但显然会消耗更多内存。如果dict非常大，那将是浪费

使用
视图
可以迭代实际的数据结构，而无需中间列表

让我们举个例子，我有一个包含1000个随机字符串和数字的dict
>>> d = {"x":5, "y":3}
>>> v = d.viewitems()
>>> v
dict_items([('y', 3), ('x', 5)])
>>> del d["x"]
>>> v
dict_items([('y', 3)])

large_d = { .. 'NBBDC': '0RMLH', 'E01AS': 'UAZIQ', 'G0SSL': '6117Y', 'LYBZ7': 'VC8JQ' .. }

>>> len(large_d)
1000

# this is one option; It creates the keys() list every time, it's here just for the example
timeit.timeit('k in large_d.keys()', setup='from __main__ import large_d, k', number=1000000)
13.748743600954867


# now let's create the list first; only then check for containment
>>> list_keys = large_d.keys()
>>> timeit.timeit('k in list_keys', setup='from __main__ import large_d, k, list_keys', number=1000000)
8.874809793833492


# this saves us ~5 seconds. Great!
# let's try the views now
>>> timeit.timeit('k in large_d.viewkeys()', setup='from __main__ import large_d, k', number=1000000)
0.08828549011070663

# How about saving another 8.5 seconds?