使用Python从列表和词汇表构建数组

Question

我试图用一个列表构建一个矩阵，然后用dict的值填充它。它可以处理小数据，但是当使用大数据（没有足够的Ram）时，计算机会崩溃。 我的脚本显然太重了，但我不知道如何改进它（第一次在编程中）。谢谢

import numpy as np
liste = ["a","b","c","d","e","f","g","h","i","j"]

dico = {"a/b": 4, "c/d" : 2, "f/g" : 5, "g/h" : 2}

#now i'd like to build a square array (liste x liste) and fill it up with the values of
# my dict.


def make_array(liste,dico):
    array1 = []
    liste_i = [] #each line of the array
    for i in liste:
        if liste_i :
            array1.append(liste_i)
            liste_i = []
        for j in liste:
            if dico.has_key(i+"/"+j): 
                liste_i.append(dico[i+"/"+j])
            elif dico.has_key(j+"/"+i):
                liste_i.append(dico[j+"/"+i])
            else :
                liste_i.append(0)
    array1.append(liste_i)
    print array1
    matrix = np.array(array1)
    print matrix.shape()
    print matrix
    return matrix

make_array(liste,dico)

非常感谢您的回答，使用in dico或列表理解确实提高了脚本的速度，这非常有用。 但我的问题似乎是由以下功能引起的：

def clustering(matrix, liste_globale_occurences, output2):
    most_common_groups = []
    Y = scipy.spatial.distance.pdist(matrix)
    Z = scipy.cluster.hierarchy.linkage(Y,'average', 'euclidean')
    scipy.cluster.hierarchy.dendrogram(Z)
    clust_h = scipy.cluster.hierarchy.fcluster(Z, t = 15, criterion='distance')
    print clust_h
    print len(clust_h)
    most_common = collections.Counter(clust_h).most_common(3)
    group1 = most_common[0][0]
    group2 = most_common[1][0]
    group3 = most_common[2][0]
    most_common_groups.append(group1)
    most_common_groups.append(group2)
    most_common_groups.append(group3)
    with open(output2, 'w') as results: # here the begining of the problem 
        for group in most_common_groups: 
            for i, val in enumerate(clust_h):
                if group == val:
                    mise_en_page = "{0:36s} groupe co-occurences = {1:5s} \n"
                    results.write(mise_en_page.format(str(liste_globale_occurences[i]),str(val)))

当使用一个小文件时，我会得到正确的结果，例如：

contact a = groupe 2

contact b = groupe 2

contact c = groupe 2

contact d = groupe 2

contact e = groupe 3

contact f = groupe 3

但当使用重文件时，每个组只得到一个示例：

contact a = groupe 2

contact a = groupe 2

contact a = groupe 2

contact a = groupe 2

contact e = groupe 3

contact e = groupe 3

Answer 1

你可以创建一个矩阵mat=len（liste）*len（liste）的0，并通过你的dico和split键：“/”之前的val将是行数，“/”之后的val将是列数。这样您就不需要使用“has\u key”搜索功能。你知道吗

Answer 2

您的问题看起来像一个O（n²），因为您需要从liste中获得所有的组合。所以你必须有一个内环。你知道吗

您可以尝试将每一行写入一个文件，然后在以后的新进程中，从该文件创建矩阵。新进程将使用更少的内存，因为它不必存储liste和dico的大量输入。比如说：

def make_array(liste,dico):
    f = open('/temp/matrix.txt', 'w')
    for i in liste:
        for j in liste:
            # This is just short circuit evaluation of logical or. It gets the first value that's not nothing
            f.write('%s ' % (dico.get(i+"/"+j) or dico.get(j+"/"+i) or 0))
        f.write('\n')
    f.close()
    return

一旦执行完毕，您就可以调用

print np.loadtxt('/temp/matrix.txt', dtype=int)

我使用了短路求值来减少if语句的代码行。实际上，如果您使用list comprehensions，您可以将make_array函数简化为：

def make_array(liste,dico):
    return np.array([[dico.get(i+"/"+j) or dico.get(j+"/"+i) or 0 for j in liste] for i in liste])