如何在Python中处理字典的多个键？

Question

我一直在搜索如何在字典中添加多个值来代替重复的键。

让我们以一个例子来说明：

list_1 = ['4', '6' ,'8', '8']
list_2 = ['a', 'b', 'c', 'd']
new_dict = dict(zip(list_1,list_2))
...output...
{'8': 'd', '4': 'a', '6': 'b'}

期望输出：

预期输出：

{'8': 'c,d', '4': 'a', '6': 'b'}

为了处理上述两个列表并将它们合并为一个字典，我将面临一个挑战，即我们不能在字典的“键”中有两个8，这是一种默认行为，我理解为什么会这样！！

存在以下一些选项来处理这种情况：

1）查找字典中是否已经存在“键”，如果是，则将新值附加到“键”

2）创建可变对象以引用每个键，以此方式可以拥有多个重复键~~不是我的使用情况

那么，如何使用选项＃1获得预期输出？

- PanDe

---

为什么不从一开始就使用集合作为值呢？ - user1767754

为什么要使用逗号分隔的字符串，而不是使用列表更合理呢？ - bruno desthuilliers

你需要一个 defaultdict。 - pylang

Answer 1

defaultdict/dict.setdefault

让我们开始吧：

1. 连续迭代项目
2. 添加属于相同键的字符串值
3. 完成后，遍历每个键值对并将所有内容连接在一起，以获得最终结果。

from collections import defaultdict

d = defaultdict(list)   
for i, j in zip(list_1, list_2):
    d[i].append(j)

< p > defaultdict 可以使事情变得简单，并且在追加方面效率高。如果你不想使用 defaultdict，可以使用 dict.setdefault 代替（但这样会更加低效）: < /p >

d = {}
for i, j in zip(list_1, list_2):
    d.setdefault(i, []).append(j)

new_dict = {k : ','.join(v) for k, v in d.items()})
print(new_dict)
{'4': 'a', '6': 'b', '8': 'c,d'}

使用Pandas的DataFrame.groupby + agg提高性能

如果你需要处理大量数据并获得较高的性能，建议使用Pandas：

import pandas as pd

df = pd.DataFrame({'A' : list_1, 'B' : list_2})
new_dict = df.groupby('A').B.agg(','.join).to_dict()

print(new_dict)
{'4': 'a', '6': 'b', '8': 'c,d'}

- cs95

---

这个过程快吗？我有每个列表中大约100万条记录需要处理。 - PanDe

@PetPan 是的，这是最有效的解决方案。 - cs95

字典非常快。 - pylang

如果使用选项1，请使用defaultdict。如果仍然太慢，请尝试我的pandas选项。 - cs95

@U8-Forward的解决方案比pandas更快的原因是什么？ - PanDe

@PetPan 在一个由5个元素组成的列表上的表现并不具有代表性。Pandas 的设计是为了在处理大数据时快速工作（你有一百万条记录对吧？）。在小规模数据上，使用它的开销并不值得。 - cs95

Answer 2

你可以使用一个 for 循环来迭代这两个列表：

list_1 = ['4', '6' ,'8', '8']
list_2 = ['a', 'b', 'c', 'd']

new_dict = {}
for k, v in zip(list_1, list_2):
    if k in new_dict:
        new_dict[k] += ', ' + v
    else:
        new_dict[k] = v

可能存在大型字典的效率问题，但在简单情况下它仍能正常工作。

感谢@Ev. Kounis和@bruno desthuilliers指出了原回答的一些改进之处。

---

coldspeed的答案比我的更有效率，我保留这个答案因为它仍然是正确的，而且我不觉得删除它有任何意义。

- Gianluca Micchi

---

你可以通过使用字符串拼接而不是多次调用join方法来避免浪费(new_dict[k] += ', ' + v)。此外，你可以直接使用if k not in new_dict来避免调用其keys()方法。你的代码中还有一个错别字。 - Ma0

@coldspeed 是的，但比多个 join 调用更好。 - Ma0

k not in dict.keys() 是O(n)（它是一个顺序查找），而 k in dict 是O(1)的（它是哈希表键查找）且高度优化。 - bruno desthuilliers

简短回答：我没有你那么好。:) 有趣的事实是：对于小列表，这个解决方案比你的更有效率，coldspeed：对于OP的数据，我的代码运行需要1.88+-0.03微秒，而你的则需要2.52+-0.09微秒。但当列表大小为1000时，情况就会改变：我的代码需要525微秒，而你的则需要184微秒。 - Gianluca Micchi

Answer 3

尝试使用字典函数setdefault并获取其索引，然后使用try和except检查idx是否存在，我没有每次获取元素的索引，因为有重复项，并且最后格式化输出，使其输出为您想要的结果：

new_dict = {}
list_1 = ['4', '6' ,'8', '8']
list_2 = ['a', 'b', 'c', 'd']
for i in list_1:
   try:
      idx+=1
   except:
      idx = list_1.index(i)
   new_dict.setdefault(i, []).append(list_2[idx])
print({k:', '.join(v) for k,v in new_dict.items()})

输出：

{'4': 'a', '6': 'b', '8': 'c, d'}

- U13-Forward

---

我简直不敢相信，你的代码比 Pandas 解决方案跑得快得多。 运行 Pandas 花费了 0.0160000324249 秒 运行其他方案花费了 0.0 秒 - PanDe

@PetPan 使用timeit进行准确的计时。此外，您应该在实际数据上测量性能，我可以立即告诉您，由于循环内的.index调用，对于大型列表来说这将非常缓慢。 - cs95

肯定的，在您分享的内容中很有意义，我正在寻找相同的信息。 - PanDe