在Python中初始化/创建/填充字典的字典的字典

Question

我以前在python中使用过字典，但我仍然是python的新手。这次我正在使用字典字典的字典......即三层字典，并且在编程之前要检查它。

我想在这个三层字典中存储所有的数据，并想知道什么是一种很好的pythonic方式来初始化，然后读取一个文件并写入这样的数据结构。

我想这本字典是以下类型：

{'geneid': 
{'transcript_id': 
{col_name1:col_value1, col_name2:col_value2} 
} 
} 

的数据是这样的类型：

geneid\ttx_id\tcolname1\tcolname2\n 
hello\tNR432\t4.5\t6.7 
bye\tNR439\t4.5\t6.7 

如何做到这一点的一个好办法的任何想法？

谢谢！

Answer 1

首先，让我们与csv模块开始处理解析线：

import csv 
with open('mydata.txt', 'rb') as f: 
    for row in csv.DictReader(f, delimiter='\t'): 
     print row 

这将打印：

{'geneid': 'hello', 'tx_id': 'NR432', 'col_name1': '4.5', 'col_name2': 6.7} 
{'geneid': 'bye', 'tx_id': 'NR439', 'col_name1': '4.5', 'col_name2': 6.7} 

所以，现在你只需要重新组织到您的首选结构。这几乎是微不足道的，除非你必须处理这样一个事实，即当你第一次看到给定的geneid你必须为它创建一个新的空dict，并且同样你第一次看到给定的tx_id在geneid内。您可以解决与setdefault：

import csv 
genes = {} 
with open('mydata.txt', 'rb') as f: 
    for row in csv.DictReader(f, delimiter='\t'): 
     gene = genes.setdefault(row['geneid'], {}) 
     transcript = gene.setdefault(row['tx_id'], {}) 
     transcript['colname1'] = row['colname1'] 
     transcript['colname2'] = row['colname2'] 

可以使这个有点更具可读性与defaultdict：

import csv 
from collections import defaultdict 
from functools import partial 
genes = defaultdict(partial(defaultdict, dict)) 
with open('mydata.txt', 'rb') as f: 
    for row in csv.DictReader(f, delimiter='\t'): 
     genes[row['geneid']][row['tx_id']]['colname1'] = row['colname1'] 
     genes[row['geneid']][row['tx_id']]['colname2'] = row['colname2'] 

这里的窍门是顶级dict是一个特殊的一个，它返回一个空dict每当它第一次看到一个新的密钥...并且它返回的空dict本身是一个空的dict。唯一困难的部分是defaultdict采用返回正确类型对象的函数，并且返回defaultdict(dict)的函数必须用partial，lambda或显式函数写入。 （在ActiveState上有配方，PyPI上的模块会给你一个更通用的版本，如果需要的话，可以根据需要创建新的字典。）

Answer 2

我也试图找到替代方法并来了在计算器这也极大的答案：

What's the best way to initialize a dict of dicts in Python?

基本上在我的情况：

class AutoVivification(dict): 
    """Implementation of perl's autovivification feature.""" 
    def __getitem__(self, item): 
     try: 
      return dict.__getitem__(self, item) 
     except KeyError: 
      value = self[item] = type(self)() 
      return value 

Answer 3

我必须在编码我的研究经常这样做。您将需要使用defaultdict包，因为它允许您通过简单赋值在任何级别添加键：值对。我会在回答你的问题后给你看。这源自我的一个程序。专注于去年4线（即不评论）和跟踪变量备份过块的其余部分，看看它在做什么：

from astropy.io import fits #this package handles the image data I work with 
import numpy as np 
import os 
from collections import defaultdict 

klist = ['hdr','F','Ferr','flag','lmda','sky','skyerr','tel','telerr','wco','lsf'] 
dtess = [] 

for file in os.listdir(os.getcwd()): 
    if file.startswith("apVisit"): 
     meff = fits.open(file, mode='readonly', ignore_missing_end=True) 
     hdr = meff[0].header 
     oid = str(hdr["OBJID"]) #object ID 
     mjd = int(hdr["MJD5"].strip(' ')) #5-digit observation date 
     for k,v in enumerate(klist): 
      if k==0: 
       dtess = dtess+[[oid,mjd,v,hdr]] 
      else: 
       dtess=dtess+[[oid,mjd,v,meff[k].data]] 
     #header extension works differently from the rest of the image cube 
     #it's not relevant to populating dictionaries 
#HDUs in order of extension no.: header, flux, flux error, flag mask, 
# wavelength, sky flux, error in sky flux, telluric flux, telluric flux errors, 
# wavelength solution coefficients, & line-spread function 
dtree = defaultdict(lambda: defaultdict(lambda: defaultdict(list))) 
for s,t,u,v in dtess: 
    dtree[s][t][u].append(v) 
#once you've added all the keys you want to your dictionary, 
#set default_factory attribute to None 
dtree.default_factory = None 

这里的摘要版本。

1. 首先，对于n级字典，你必须进行排序和转储 一切都变成清单（N + 1）的形式元组[key_1，key_2， ...，key_n，值]。
2. 然后，初始化n级词典， 您只需键入“defaultdict（lambda：”（减去引号）n-1次， 粘住“defaultdict（list）”（或其他某种数据类型）结束， 关闭括号
3. 追加到列表中有一个for循环*注意：当你去访问在最低级别的数据值 ，你可能会输入my_dict [key_1] [key_2] [0]获得实际值，而不仅仅是 类型的数据的描述。
4. *编辑：当你的字典和你想要的一样大时，设置 default_fact ory属性为None。

如果您还没有设置default_factory为无，您可以通过键入类似my_dict [key_1] [key_2] [...] [new_key] = NEW_VALUE，或使用后添加到您的嵌套字典append（）命令。只要您通过这些赋值形式添加的字符不是自己嵌套的，您甚至可以添加其他字典。

* 警告！该代码片段中新添加的最后一行，您将default_factory属性设置为None，其中超级重要。你的电脑需要知道你什么时候添加到你的字典，否则它可能会继续在后台分配内存，以防止buffer overflow，吃掉你的RAM，直到程序停止。这是一种memory leak。在我写了这个答案后，我很难学会这一点。这个问题困扰了我好几个月，我甚至不认为我是最后弄清楚的人，因为我不了解内存分配的任何内容。