Python:从路径递归创建字典

Question

我有几十万个端点URL,我想为其生成统计信息.例如,我有:

/a/b/c
/a/b/d
/a/c/d
/b/c/d
/b/d/e
/a/b/c
/b/c/d

我想创建一个看起来像这样的字典

{
   {'a':
        {'b':
             {'c': 2 },
             {'d': 1 }
        },
        {'c':
             {'d': 1 }
        }
    },
    {'b':
        {'c':
             {'d': 2}
        },
        {'d':
             {'e': 1}
        }
    }
}

有什么聪明的方法吗？

编辑

我应该提到路径并不总是3个部分.可能有 /a/b/c/d/e/f/g/h...等等

Answer 1

如果路径在您的示例中看起来都像,那么这将起作用:

counts = {}
for p in paths:
   parts = p.split('/')
   branch = counts
   for part in parts[1:-1]:
      branch = branch.setdefault(part, {})
   branch[parts[-1]] = 1 + branch.get(parts[-1], 0)

这使用了类似的字典方法setdefault(),get()以避免编写大量的if语句.

请注意,如果具有子目录的路径也可以单独显示,则此操作无效.然后不清楚相应的部分是否counts应包含数字或其他字典.在这种情况下,最好使用元组或自定义类为每个节点存储count和dict.

基本算法保持不变:

class Stats(object):
   def __init__(self):
      self.count = 0
      self.subdirs = {}

counts = Stats()
for p in paths:
   parts = p.split('/')
   branch = counts
   for part in parts[1:]:
      branch = branch.subdirs.setdefault(part, Stats())
   branch.count += 1

通过一些漂亮的印刷,你得到:

def printstats(stats, indent=''):
   print indent + str(stats.count) + ' times'
   for (d, s) in stats.subdirs.items():
       print indent + d + ':'
       printstats(s, indent + '  ')

>>> printstats(counts)
0 times
a:
  0 times
  c:
    0 times
    d:
      1 times
  b:
    0 times
    c:
      2 times
    d:
      1 times
...

Answer 2

编辑：

我已经修改了我的代码以适应您上面的最后评论（现在没有复杂的数据结构）。

def dictizeString(string, dictionary):
    while string.startswith('/'):
        string = string[1:]
    parts = string.split('/', 1)
    if len(parts) > 1:
        branch = dictionary.setdefault(parts[0], {})
        dictizeString(parts[1], branch)
    else:
        if dictionary.has_key(parts[0]):
             # If there's an addition error here, it's because invalid data was added
             dictionary[parts[0]] += 1
        else:
             dictionary[parts[0]] = 1

[frequency, dictionary]它将存储每个项目的列表。

测试用例

>>> d = {}
>>> dictizeString('/a/b/c/d', d)
>>> dictizeString('/a/b/c/d', d)
>>> dictizeString('/a/b/c/d', d)
>>> dictizeString('/a/b/c/d', d)
>>> dictizeString('/a/b/e', d)
>>> dictizeString('/c', d)
>>> d
{'a': {'b': {'c': {'d': 4}, 'e': 1}}, 'c': 1}

Answer 3

旧的结果，但仍然接近谷歌的顶部，所以我会更新：你可以使用 dpath-python 来实现这一点。

$ easy_install dpath
>>> result = {}
>>> for path in my_list_of_paths:
>>> ... dpath.util.set(result, path, SOME_VALUE)

...就是这样。我不明白你用来预先计算终点站上的这些值（1、2等）的数学，但你可以预先计算它并使用路径到值的字典而不是裸列表

>>> x = {'path/name': 0, 'other/path/name': 1}
>>> for (path, value) in x.iteritems():
>>> ... dpath.util.set(result, path, value)

类似的东西会起作用。