用于维护表格数据的内存数据结构？
我的情况如下：我有一个在我的程序中广泛使用的数据表（less数几个字段，不到一百行）。 我也需要这个数据是持久的，所以我把它保存为CSV并在启动时加载它。 我select不使用数据库，因为每一个选项（甚至是SQLite）对我的卑微的要求是一个矫枉过正的（也是 – 我想能够以一种简单的方式离线编辑值，没有什么比记事本简单）。
假设我的数据如下所示（在文件中逗号分隔，没有标题，这只是一个例子）：
Row | Name | Year | Priority ------------------------------------ 1 | Cat | 1998 | 1 2 | Fish | 1998 | 2 3 | Dog | 1999 | 1 4 | Aardvark | 2000 | 1 5 | Wallaby | 2000 | 1 6 | Zebra | 2001 | 3 笔记：
- 行可能是写入文件的“真实”值，或者只是表示行号的自动生成的值。 无论哪种方式它存在于内存中。
- 名字是独一无二的
我对数据做的事情：
- 根据ID（迭代）或名称（直接访问）查找一行。
- 根据多个字段以不同的顺序显示表格：我需要按照优先级，年份，年份，优先级等进行sorting。
- 我需要根据一组参数来计算实例，例如1997年到2002年之间有多less行，或者1998年有多less行，优先级> 2等。
我知道这个“哭”的SQL …
我试图找出什么是数据结构的最佳select。 以下是我看到的几个select：
行列表的列表：
a = [] a.append( [1, "Cat", 1998, 1] ) a.append( [2, "Fish", 1998, 2] ) a.append( [3, "Dog", 1999, 1] ) ...
列表列表（显然是add_row等的API）：
a = [] a.append( [1, 2, 3, 4, 5, 6] ) a.append( ["Cat", "Fish", "Dog", "Aardvark", "Wallaby", "Zebra"] ) a.append( [1998, 1998, 1999, 2000, 2000, 2001] ) a.append( [1, 2, 1, 1, 1, 3] )
字典列表（可以创build常量来replacestring键）：
a = {} a['ID'] = [1, 2, 3, 4, 5, 6] a['Name'] = ["Cat", "Fish", "Dog", "Aardvark", "Wallaby", "Zebra"] a['Year'] = [1998, 1998, 1999, 2000, 2000, 2001] a['Priority'] = [1, 2, 1, 1, 1, 3]
（行，字段）键的字典：
Create constants to avoid string searching NAME=1 YEAR=2 PRIORITY=3 a={} a[(1, NAME)] = "Cat" a[(1, YEAR)] = 1998 a[(1, PRIORITY)] = 1 a[(2, NAME)] = "Fish" a[(2, YEAR)] = 1998 a[(2, PRIORITY)] = 2 ...
而且我敢肯定还有其他的方法……但是当涉及到我的要求（复杂的sorting和计数）时，每种方法都有缺点。
什么是推荐的方法？
编辑：
为了澄清，性能对我来说不是一个大问题。 由于表格非常小，我相信几乎所有的操作都会在几毫秒的范围内，这不是我的应用程序所关心的问题。
在需要查找，sorting和任意聚合的内存中有一个“表”，确实需要调用SQL。 你说过你尝试过SQLite，但你是否意识到SQLite可以使用内存中的数据库？
connection = sqlite3.connect(':memory:')
然后，您可以使用SQLite的所有function在内存中创build/删除/查询/更新表，并在完成时不留下任何文件。 而从Python 2.5开始， sqlite3就在标准库中，所以它不是真的“过度杀伤”IMO。
以下是如何创build和填充数据库的示例：
import csv import sqlite3 db = sqlite3.connect(':memory:') def init_db(cur): cur.execute('''CREATE TABLE foo ( Row INTEGER, Name TEXT, Year INTEGER, Priority INTEGER)''') def populate_db(cur, csv_fp): rdr = csv.reader(csv_fp) cur.executemany(''' INSERT INTO foo (Row, Name, Year, Priority) VALUES (?,?,?,?)''', rdr) cur = db.cursor() init_db(cur) populate_db(cur, open('my_csv_input_file.csv')) db.commit()
如果你真的不想使用SQL，你应该使用一个字典列表：
lod = [ ] # "list of dicts" def populate_lod(lod, csv_fp): rdr = csv.DictReader(csv_fp, ['Row', 'Name', 'Year', 'Priority']) lod.extend(rdr) def query_lod(lod, filter=None, sort_keys=None): if filter is not None: lod = (r for r in lod if filter(r)) if sort_keys is not None: lod = sorted(lod, key=lambda r:[r[k] for k in sort_keys]) else: lod = list(lod) return lod def lookup_lod(lod, **kw): for row in lod: for k,v in kw.iteritems(): if row[k] != str(v): break else: return row return None
testing然后产生：
>>> lod = [] >>> populate_lod(lod, csv_fp) >>> >>> pprint(lookup_lod(lod, Row=1)) {'Name': 'Cat', 'Priority': '1', 'Row': '1', 'Year': '1998'} >>> pprint(lookup_lod(lod, Name='Aardvark')) {'Name': 'Aardvark', 'Priority': '1', 'Row': '4', 'Year': '2000'} >>> pprint(query_lod(lod, sort_keys=('Priority', 'Year'))) [{'Name': 'Cat', 'Priority': '1', 'Row': '1', 'Year': '1998'}, {'Name': 'Dog', 'Priority': '1', 'Row': '3', 'Year': '1999'}, {'Name': 'Aardvark', 'Priority': '1', 'Row': '4', 'Year': '2000'}, {'Name': 'Wallaby', 'Priority': '1', 'Row': '5', 'Year': '2000'}, {'Name': 'Fish', 'Priority': '2', 'Row': '2', 'Year': '1998'}, {'Name': 'Zebra', 'Priority': '3', 'Row': '6', 'Year': '2001'}] >>> pprint(query_lod(lod, sort_keys=('Year', 'Priority'))) [{'Name': 'Cat', 'Priority': '1', 'Row': '1', 'Year': '1998'}, {'Name': 'Fish', 'Priority': '2', 'Row': '2', 'Year': '1998'}, {'Name': 'Dog', 'Priority': '1', 'Row': '3', 'Year': '1999'}, {'Name': 'Aardvark', 'Priority': '1', 'Row': '4', 'Year': '2000'}, {'Name': 'Wallaby', 'Priority': '1', 'Row': '5', 'Year': '2000'}, {'Name': 'Zebra', 'Priority': '3', 'Row': '6', 'Year': '2001'}] >>> print len(query_lod(lod, lambda r:1997 <= int(r['Year']) <= 2002)) 6 >>> print len(query_lod(lod, lambda r:int(r['Year'])==1998 and int(r['Priority']) > 2)) 0
就个人而言，我更喜欢SQLite版本，因为它更好地保留了你的types（没有额外的Python转换代码），并且容易增长以适应未来的需求。 但是再一次，我对SQL很满意，所以YMMV。
一个非常古老的问题，我知道，但…
pandasDataFrame似乎是这里的理想select。
http://pandas.pydata.org/pandas-docs/version/0.13.1/generated/pandas.DataFrame.html
从blurb
二维大小可变，具有标记轴（行和列）的潜在异构表格数据结构。 算术运算在行和列标签上alignment。 可以被认为是Series对象的类似字典的容器。 主要pandas数据结构
我个人会使用行列表的列表。 因为每行的数据总是以相同的顺序排列，所以只需访问每个列表中的元素，就可以轻松地按任何列进行sorting。 您也可以根据每个列表中的特定列轻松计数，并进行search。 它基本上和二维数组一样接近。
真正唯一的缺点是你必须知道数据的顺序，如果你改变了这个顺序，你必须改变你的search/sorting例程来匹配。
你可以做的另一件事是有一个词典列表。
rows = [] rows.append({"ID":"1", "name":"Cat", "year":"1998", "priority":"1"})
这将避免需要知道参数的顺序，所以您可以查看列表中的每个“年”字段。
有一个Table类，其行是一个字典或更好的行对象的列表
在表中不要直接添加行，但有一个方法，更新几个查找地图，如名称，如果你没有添加行的顺序或ID不是连续的，你也可以有idMap
class Table(object): def __init__(self): self.rows = []# list of row objects, we assume if order of id self.nameMap = {} # for faster direct lookup for row by name def addRow(self, row): self.rows.append(row) self.nameMap[row['name']] = row def getRow(self, name): return self.nameMap[name] table = Table() table.addRow({'ID':1,'name':'a'})
首先，考虑到你有一个复杂的数据检索场景，你确定SQLite是否过度杀伤？
你最终会得到一个特殊的，非正式指定的，错误缠身，缓慢执行一半的SQLite， 这就解释了Greenspun的第十条规则 。
也就是说，select单一数据结构会影响一个或多个search，sorting或计数是非常正确的，因此，如果性能是至关重要的，并且数据是不变的，那么可以考虑为不同的目的使用多个结构。
最重要的是，衡量哪些操作将更为常见，并决定哪种结构最终会花费更less的成本。
我个人最近写了一个lib，叫做BD_XML
因为其存在的最根本的原因是作为在XML文件和SQL数据库之间来回传送数据的一种方式。
它是用西class牙文写成的（如果这在编程语言中很重要），但是非常简单。
from BD_XML import Tabla
它定义了一个名为Tabla（Table）的对象，它可以用一个名称来创build，以便识别pep-246兼容数据库接口的预先创build的连接对象。
Table = Tabla('Animals')
然后，您需要添加具有agregar_columna （add_column）方法的列，可以使用各种关键字参数：
-
campo（字段）：字段的名称 -
tipo（type）：存储数据的types，如果你不想导出到数据库后者，可以是类似'varchar'和'double'或python对象名称的东西。 -
defecto（默认值）：如果在添加行时没有设置列的默认值 -
还有其他3个，但只有数据库的时间，并没有实际的function
喜欢：
Table.agregar_columna(campo='Name', tipo='str') Table.agregar_columna(campo='Year', tipo='date') #declaring it date, time, datetime or timestamp is important for being able to store it as a time object and not only as a number, But you can always put it as a int if you don't care for dates Table.agregar_columna(campo='Priority', tipo='int')
然后你用+ =操作符（或者+，如果你想创build一个额外的行的副本）添加行
Table += ('Cat', date(1998,1,1), 1) Table += {'Year':date(1998,1,1), 'Priority':2, Name:'Fish'} #… #The condition for adding is that is a container accessible with either the column name or the position of the column in the table
然后，您可以生成XML，并使用exportar_XML （export_XML）和escribir_XML （write_XML）将其写入文件中：
file = os.path.abspath(os.path.join(os.path.dirname(__file__), 'Animals.xml')) Table.exportar_xml() Table.escribir_xml(file)
然后用importar_XML （import_XML）将文件名称和使用文件而不是string文字的方式导入：
Table.importar_xml(file, tipo='archivo') #archivo means file
高级
这是您可以用SQL方式使用Tabla对象的方法。
#UPDATE <Table> SET Name = CONCAT(Name,' ',Priority), Priority = NULL WHERE id = 2 for row in Table: if row['id'] == 2: row['Name'] += ' ' + row['Priority'] row['Priority'] = None print(Table) #DELETE FROM <Table> WHERE MOD(id,2) = 0 LIMIT 1 n = 0 nmax = 1 for row in Table: if row['id'] % 2 == 0: del Table[row] n += 1 if n >= nmax: break print(Table)
这个例子假定一个名为'id'的列，但是可以replace宽度row.pos作为例子。
if row.pos == 2:
