将值列表与每个集合元素相关联

Question

我试图为以下问题提出最佳解决方案：

我有一个文件名列表，与每个文件名关联的是一个 ID；这些 ID 不是唯一的，这意味着多个文件名可能与一个 ID 相关联。

所以我可以将我的数据打包为： (ID, [filename1, filename2,...])

问题是我想将 ID 作为一个集合来使用，因为我需要分组并提取与另一个 ID 的差异和交集这些 ID 的预定义分组，并且我需要相对快速的操作，因为我有大约一百万个 ID。

但我不知道如何在将 ID 视为集合中的元素的同时保持 ID 与文件名列表关联。这是否可以与集合有关，或者是否有任何集合扩展可以实现此目的？

Answer 1

听起来您的数据类似于下面的示例数据。如果是这样，那么代码将显示如何使用哈希表来完成您所要求的操作。哈希表可以是一个 Python dict（以 id 作为键，以文件名 list 作为关联值进行哈希），也可以只是一个 < code>set 的 id 元素，如果这是您真正想要的（尽管正如其他人在评论中建议的那样，dict 可能是最好的解决方案）。

files = [
    {'filename':'foo101', 'id':1},
    {'filename':'foo102', 'id':1},
    {'filename':'foo103', 'id':1},
    {'filename':'foo201', 'id':2},
    {'filename':'foo202', 'id':2},
    {'filename':'foo301', 'id':3},
    {'filename':'foo401', 'id':4},
]
fileDict = defaultdict(list)
for d in files:
    fileDict[d['id']].append(d['filename'])
[print(id, fileNames) for id, fileNames in fileDict.items()]
idSet = set(fileDict)
print(idSet)

示例输出：

1 ['foo101', 'foo102', 'foo103']
2 ['foo201', 'foo202']
3 ['foo301']
4 ['foo401']
{1, 2, 3, 4}

为了方便起见，上面的代码使用了 defaultdict(list)，但您也可以使用常规 dict，如下所示：

files = [
    {'filename':'foo101', 'id':1},
    {'filename':'foo102', 'id':1},
    {'filename':'foo103', 'id':1},
    {'filename':'foo201', 'id':2},
    {'filename':'foo202', 'id':2},
    {'filename':'foo301', 'id':3},
    {'filename':'foo401', 'id':4},
]
fileDict = {}
for d in files:
    if d['id'] not in fileDict:
        fileDict[d['id']] = []
    fileDict[d['id']].append(d['filename'])
[print(id, fileNames) for id, fileNames in fileDict.items()]
idSet = set(fileDict)
print(idSet)