什么是字典视图对象？

在python 2.7中，我们获得了可用的字典视图方法。

现在，我知道以下内容的优缺点：

• dict.items()（和values，keys）：返回一个列表，以便您可以实际存储结果，并且
• dict.iteritems() （等等）：返回一个生成器，因此您可以逐个迭代生成的每个值。

有什么用dict.viewitems()（等等）？他们有什么好处？它是如何工作的？到底是什么看法？

我读到该视图始终反映字典中的变化。但是，从性能和内存的角度来看，它的表现如何？优点和缺点是什么？

字典视图本质上就是它们的名字所说的：视图就像是字典的键和值（或项）上的窗口。这是Python 3 官方文档的摘录：

>>> dishes = {'eggs': 2, 'sausage': 1, 'bacon': 1, 'spam': 500}
>>> keys = dishes.keys()
>>> values = dishes.values()

>>> # view objects are dynamic and reflect dict changes
>>> del dishes['eggs']
>>> keys  # No eggs anymore!
dict_keys(['sausage', 'bacon', 'spam'])

>>> values  # No eggs value (2) anymore!
dict_values([1, 1, 500])

（Python 2等效项使用dishes.viewkeys()和dishes.viewvalues()。）

此示例显示了视图的动态特性：按键视图不是给定时间点的按键副本，而是一个简单的窗口，向您显示按键；如果它们被更改，那么您在窗口中看到的内容也会发生更改。此功能在某些情况下很有用（例如，可以在程序的多个部分中使用键视图，而不必每次都需要重新计算当前键列表）—请注意，如果修改了字典键在视图上进行迭代时，迭代器的行为方式未明确定义，这可能会导致错误。

一个优点是，例如，查看键仅使用少量且固定的内存，并且需要少量且固定的处理器时间，因为没有创建键列表（另一方面，Python 2，通常会不必要地创建一个新列表，如Rajendran T所引用的那样，该列表占用的内存和时间与列表的长度成比例。要继续进行窗口类比，如果您想查看墙后的风景，只需在其中开一个洞（您就可以建立一个窗口）；将关键帧复制到列表中将相当于在墙上绘制风景的副本-该副本需要时间，空间并且不会自我更新。

总而言之，视图只是…词典上的视图（窗口），即使词典发生更改，视图也会显示该词典的内容。它们提供的功能与列表不同：键的列表包含给定时间点的字典键的副本，而视图是动态的并且获取起来要快得多，因为它无需复制任何数据（键或值）以进行创建。

如前所述，dict.items()返回字典的（键，值）对列表的副本是浪费的，并且dict.iteritems()返回对字典的（键，值）对的迭代器。

现在以以下示例为例，看看dict的插入器和dict的视图之间的区别

>>> d = {"x":5, "y":3}
>>> iter = d.iteritems()
>>> del d["x"]
>>> for i in iter: print i
... 
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
RuntimeError: dictionary changed size during iteration

而视图只是向您显示字典中的内容。不管它是否更改：

>>> d = {"x":5, "y":3}
>>> v = d.viewitems()
>>> v
dict_items([('y', 3), ('x', 5)])
>>> del d["x"]
>>> v
dict_items([('y', 3)])

视图只是字典现在的样子。删除后，条目.items()将是过时的并且.iteritems()将引发错误。

只是通过阅读文档，我得到的印象是：

1. 视图是“类伪集”，因为它们不支持索引编制，因此您可以对它们进行测试，以测试成员资格并对其进行迭代（因为键是可哈希的且唯一的，因此键和项视图更加“集样”，因为它们不包含重复项）。
2. 您可以存储它们并多次使用它们，例如列表版本。
3. 因为它们反映了基础字典，所以字典中的任何更改都会更改视图，并且几乎可以肯定会更改迭代顺序。因此，与列表版本不同，它们不是“稳定的”。
4. 因为它们反映了基础词典，所以几乎可以肯定它们是小型代理对象；复制键/值/项目将要求他们以某种方式观看原始字典，并在发生更改时将其复制多次，这将是荒谬的实现。因此，我希望内存开销很小，但是访问比直接访问字典要慢一些。

所以我想关键用例是，如果您要保留一个字典并反复修改其键/项/值，并在其间进行修改。你可以只使用一个视图代替，把for k, v in mydict.iteritems():成for k, v in myview:。但是，如果只对字典进行一次迭代，我认为迭代版本仍然是可取的。

view方法返回一个列表（与和相比.keys()，不是列表的副本），因此它更轻巧，但反映了字典的当前内容。.items().values()

从Python 3.0开始-dict方法返回视图-为什么？

主要原因是，在许多用例中，返回完全分离的列表是不必要且浪费的。这将需要复制整个内容（可能很多，也可能很多）。

如果只想遍历键，则无需创建新列表。如果确实需要将其作为单独的列表（作为副本），则可以从视图轻松创建该列表。

视图使您可以访问底层数据结构，而无需复制它。除了动态而不是创建列表外，in测试最有用的用途之一是测试。假设您要检查dict中是否包含一个值（它是键还是值）。

选项一是使用创建键列表dict.keys()，这可以工作，但显然会占用更多内存。如果dict非常大？那会很浪费。

有了它，views您可以迭代实际的数据结构，而无需中间列表。

让我们使用示例。我有一个带有1000个随机字符串和数字键的字典，这k是我要查找的键

large_d = { .. 'NBBDC': '0RMLH', 'E01AS': 'UAZIQ', 'G0SSL': '6117Y', 'LYBZ7': 'VC8JQ' .. }

>>> len(large_d)
1000

# this is one option; It creates the keys() list every time, it's here just for the example
timeit.timeit('k in large_d.keys()', setup='from __main__ import large_d, k', number=1000000)
13.748743600954867


# now let's create the list first; only then check for containment
>>> list_keys = large_d.keys()
>>> timeit.timeit('k in list_keys', setup='from __main__ import large_d, k, list_keys', number=1000000)
8.874809793833492


# this saves us ~5 seconds. Great!
# let's try the views now
>>> timeit.timeit('k in large_d.viewkeys()', setup='from __main__ import large_d, k', number=1000000)
0.08828549011070663

# How about saving another 8.5 seconds?

如您所见，迭代view对象极大地提高了性能，同时减少了内存开销。需要执行Set类似操作时，应使用它们。

注意：我在Python 2.7上运行