说说在 Python 中如何使用 setDefault 方法提高效率

墨蓝 2022-12-21 06:12 164阅读 0赞

## 1 从示例说起 ##

Luciano Ramalho 举了一个示例来说明 setDefault 方法相对于传统写法的高效性1。

import sys
    import re
    
    WORD_RE = re.compile(r'\w+')
    
    index = {}
    with open(sys.argv[1], encoding='utf-8') as fp:
        for line_no, line in enumerate(fp, 1):
            for match in WORD_RE.finditer(line):
                word = match.group()
                column_no = match.start() + 1
                location = (line_no, column_no)
    
                occurrences = index.get(word, [])
                occurrences.append(location)
                index[word] = occurrences
    
    for word in sorted(index, key=str.upper):
        print(word, index[word])

运行结果：

a [(1, 7), (1, 46), (1, 76), (1, 111), (3, 52), (3, 87), (19, 75), (19, 162)]
    about [(9, 83)]
    acknowledged [(1, 27)]
    agreed [(19, 241)]
    all [(9, 79)]
    and [(9, 63), (15, 23), (19, 171), (19, 198), (19, 326)]
    ……

**（1）enumerate() 函数**

enumerate() 函数用于将一个可遍历的数据对象(如列表、元组或字符串)组合为一个索引序列，同时列出数据和数据下标。  
语法：`enumerate(sequence, [start=0])`

<table> 
 <thead> 
  <tr> 
   <th>参数名</th> 
   <th>说明</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>sequence</td> 
   <td>序列、迭代器或其他支持迭代的对象</td> 
  </tr> 
  <tr> 
   <td>start</td> 
   <td>下标起始位置</td> 
  </tr> 
 </tbody> 
</table>

> enumerate /ɪˈnuːməreɪt/  
> To count off or name one by one; list

因为入参是一篇文章，所以示例中的 enumerate 方法的 start 从 1 开始，即表示第一行。

**（2）正则 finditer() 方法**

finditer() 方法会返回一个MatchObject 类型的iterator2，所以需要一个个遍历。相比于 findall() 方法，使用 finditer() 方法可以省去外层所包裹的括号。

示例中使用 finditer() 方法来查找每一行中的单词。column\_no 表示单词所在的列索引。location 是一个包含行索引与列索引的元组，本质上是单词所在的坐标。

**（3）get() 方法设置默认值**

index 存放的是字典，key 为单词，值为单词在这篇文章中所出现的坐标列表。这里利用 python 字典的 get() 方法的第二个入参来指定默认值。语法为：`dict.get(key, default=None)`3。

如果单词 key 已经在字典中存在，则返回列表，否则返回一个空列表。然后把当然所确定的单词坐标放入该列表。

**（4）排序**

最后按照单词字母顺序打印出字典中的单词坐标列表。因为使用了 sorted 函数的 `key=str.upper` 属性，所以不分大小写， `key=str.lower` 效果与 `key=str.upper` 相同。key 用来指定元素的比较规则4。

## 2 优化 ##

其实以下三行我们可以利用 setDefault 方法在一行中实现：

occurrences = index.get(word, [])
    occurrences.append(location)
    index[word] = occurrences

优化后：

index.setdefault(word, []).append(location)

传递给 setdefault 方法的第一个参数是要检查的键。第二个参数需要设置的默认值。如果该键存在，该方法会直接返回键所对应的值5。

这样写的好处是：

1.  代码简洁；
2.  原来的示例需要查询两次。第一次是 index.get() 找出单词坐标列表；第二次是 index\[word\] 。优化后只需一次查询，因此提升了性能。

--------------------

## 参考资料 ##

【1】Luciano Ramalho (作者) 安道 , 吴珂 (译者)．流畅的Python．人民邮电出版社，2017，140-142.  
【2】[python re的findall和finditer][python re_findall_finditer].  
【3】[Python 字典(Dictionary) get()方法][Python _Dictionary_ get].  
【4】[Python sorted() 函数][Python sorted_].  
【5】[说说如何快速为 Python 字典设置新的值][Python].

[python re_findall_finditer]: https://blog.csdn.net/wali_wang/article/details/50623991
[Python _Dictionary_ get]: https://www.runoob.com/python/att-dictionary-get.html
[Python sorted_]: https://www.runoob.com/python/python-func-sorted.html
[Python]: https://blog.csdn.net/deniro_li/article/details/102531017?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522160541212919195264736923%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fblog.%2522%257D&request_id=160541212919195264736923&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~blog~first_rank_v1~rank_blog_v1-1-102531017.pc_v1_rank_blog_v1&utm_term=setdefault&spm=1018.2118.3001.4450