面试题：Python中优化字典性能的常见方法有哪些

预分配空间

如果事先知道字典大概需要存储多少个键值对，可以预先分配空间，减少动态扩容带来的开销。

# 预分配空间
my_dict = {None: None} * 100
for i in range(100):
    my_dict[i] = i

使用视图对象

字典的视图对象（.keys()、.values()、.items()）在Python 3中返回类似集合的对象，操作这些视图对象比直接操作列表更高效，因为它们是动态的，并且不需要额外的内存来存储所有元素。

my_dict = {'a': 1, 'b': 2, 'c': 3}
keys_view = my_dict.keys()
# 可以直接在视图对象上进行操作，如判断元素是否存在
print('a' in keys_view)

选择合适的键类型

使用不可变且哈希值计算速度快的数据类型作为键，如整数和字符串。避免使用自定义的类实例作为键，除非该类实现了高效的__hash__和__eq__方法。

# 使用整数作为键
int_key_dict = {1: 'one', 2: 'two'}
# 使用字符串作为键
str_key_dict = {'name': 'Alice', 'age': 30}

减少字典嵌套

尽量避免过深的字典嵌套，嵌套层次过多会增加查找和修改的时间复杂度。

# 避免复杂嵌套
# 不好的方式
nested_dict = {'person': {'name': 'Bob', 'details': {'age': 25, 'city': 'New York'}}}
# 更好的方式
flat_dict = {'name': 'Bob', 'age': 25, 'city': 'New York'}

缓存字典操作结果

如果在循环中多次对字典进行相同的操作，如获取某个键的值，可以缓存结果。

my_dict = {'data': [1, 2, 3, 4, 5]}
# 缓存字典中列表的长度
length = len(my_dict['data'])
for _ in range(1000):
    # 直接使用缓存的长度
    if length > 3:
        print('List is long enough')

星途面试题库