Python

Question

我有一个 CSV 文件，我已将其过滤到列表中并分组。示例：

     52713
     ['52713', '', 'Vmax', '', 'Start Value', '', '\n']
     ['52713', '', 'Vmax', '', 'ECNumber', '1.14.12.17', '\n']
     ['52713', 'O2', 'Km', 'M', 'Start Value', '3.5E-5', '\n']
     ['52713', 'O2', 'Km', 'M', 'ECNumber', '1.14.12.17', '\n']
     52714
     ['52714', '', 'Vmax', '', 'Start Value', '', '\n']
     ['52714', '', 'Vmax', '', 'ECNumber', '1.14.12.17', '\n']
     ['52714', 'O2', 'Km', 'M', 'Start Value', '1.3E-5', '\n']
     ['52714', 'O2', 'Km', 'M', 'ECNumber', '1.14.12.17', '\n']

据此，我创建了一个具有以下结构的嵌套字典：

   dict = ID number:{Km:n, Kcat:n, ECNumber:n}

...对于列表中的每个 ID。

我使用下面的代码来创建这个字典

    dict = {}

    for key, items in groupby(FilteredTable1[1:], itemgetter(0)):
        #print key
        for subitem in items:
            #print subitem
            dict[subitem[EntryID]] = {}
            dict[subitem[EntryID]]['EC'] = []
            dict[subitem[EntryID]]['Km'] = []
            dict[subitem[EntryID]]['Kcat'] = []
            if 'ECNumber' in subitem:
                dict[subitem[EntryID]]['EC'] = subitem[value]

            if 'Km' in subitem and 'Start Value' in subitem:
                dict[subitem[EntryID]]['Km'] = subitem[value]
                #print subitem

这适用于 ECNumber 值，但不适用于 Km 值。它可以打印该行，表明它识别 Km 值存在，但没有将其放入字典中。

示例输出：

    {'Km': [], 'EC': '1.14.12.17', 'Kcat': []}

有什么想法吗？

本

Answer 1

问题是您的内部 for 循环不断重新初始化 dict[subitem[EntryID]]，即使它可能已经存在。通过显式检查它是否已经存在，已在以下内容中修复：

dict = {}

for key, items in groupby(FilteredTable1[1:], itemgetter(0)):
    #print key
    for subitem in items:
        #print ' ', subitem
        if subitem[EntryID] not in dict:
            dict[subitem[EntryID]] = {}
            dict[subitem[EntryID]]['EC'] = []
            dict[subitem[EntryID]]['Km'] = []
            dict[subitem[EntryID]]['Kcat'] = []

        if 'ECNumber' in subitem:
            dict[subitem[EntryID]]['EC'] = subitem[value]

        if 'Km' in subitem and 'Start Value' in subitem:
            dict[subitem[EntryID]]['Km'] = subitem[value]
            #print subitem

但是，可以通过使用类似以下的内容来提高此代码的效率，从而避免重新计算值和双重字典查找。它也不使用内置类型的名称作为变量名称，这违反了 PEP8 - Style Guide for Python Code 中给出的指导方针。它还建议仅对 class 名称使用 CamelCase，而不对 FilteredTable1 这样的变量名称使用 CamelCase——但我没有改变它。

adict = {}

for key, items in groupby(FilteredTable1[1:], itemgetter(0)):
    #print key
    for subitem in items:
        #print ' ', subitem
        entry_id = subitem[EntryID]
        if entry_id not in adict:
            adict[entry_id] = {'EC': [], 'Km': [], 'Kcat': []}

        entry = adict[entry_id]
        if 'ECNumber' in subitem:
            entry['EC'] = subitem[value]

        if 'Km' in subitem and 'Start Value' in subitem:
            entry['Km'] = subitem[value]
            #print subitem

实际上，由于您正在构建字典的字典，因此不清楚使用 groupby 这样做是否有任何优势。

Answer 2

我将此发布以跟进并扩展我的。

对于初学者，您可以通过消除检查预先存在的条目的需要来进一步简化代码，只需将正在创建的字典创建为 collections.defaultdict dict 子类而不是常规子类：

from collections import defaultdict
adict = defaultdict(lambda: {'EC': [], 'Km': [], 'Kcat': []})

for key, items in groupby(FilteredTable1[1:], itemgetter(0)):
    for subitem in items:
        entry = adict[subitem[EntryID]]
        if 'ECNumber' in subitem:
            entry['EC'] = subitem[value]

        if 'Km' in subitem and 'Start Value' in subitem:
            entry['Km'] = subitem[value]

其次，正如我在另一个答案中提到的，我认为使用 itertools.groupby() 执行此操作不会给您带来任何好处 — 除了使过程比需要的更复杂。这是因为基本上你正在做的是制作一个字典的字典，其条目都可以随机访问，所以在这样做之前麻烦地对它们进行分组是没有好处的。下面的代码证明了这一点（结合使用如上所示的 defaultdict）：

adict = defaultdict(lambda: {'EC': [], 'Km': [], 'Kcat': []})

for subitem in FilteredTable1[1:]:
    entry = adict[subitem[EntryID]]
    if 'ECNumber' in subitem:
        entry['EC'] = subitem[value]

    if 'Km' in subitem and 'Start Value' in subitem:
        entry['Km'] = subitem[value]

Python - 嵌套字典。错误在哪里？

Python - nested dictionary. Where is the bug?

csv

dictionary

nested