列表中有很多字典VS词典中有很少列表？

Question

我正在像这样的数据集做一些练习：

列出许多字典

users = [
    {"id": 0, "name": "Ashley"},
    {"id": 1, "name": "Ben"},
    {"id": 2, "name": "Conrad"},
    {"id": 3, "name": "Doug"},
    {"id": 4, "name": "Evin"},
    {"id": 5, "name": "Florian"},
    {"id": 6, "name": "Gerald"}
]

字典很少

users2 = {
    "id": [0, 1, 2, 3, 4, 5, 6],
    "name": ["Ashley", "Ben", "Conrad", "Doug","Evin", "Florian", "Gerald"]
}

熊猫数据框

import pandas as pd
pd_users = pd.DataFrame(users)
pd_users2 = pd.DataFrame(users2)
print pd_users == pd_users2

问题：

1. 我应该像用户还是像user2来构造数据集？
2. 有性能差异吗？
3. 一个比另一个更具可读性吗？
4. 有没有我应该遵循的标准？
5. 我通常将它们转换为pandas数据框。当我这样做时，两个版本都是相同的…对吗？
6. 每个元素的输出都是正确的，所以我是否可以使用panda df的对不重要？

Answer 1

这涉及面向列的数据库与面向行的数据库。您的第一个示例是面向行的数据结构，第二个示例是面向列。在Python的特定情况下，使用slot可以使前者的效率显着提高，从而不必为每一行重复列的字典。

哪种形式效果更好，很大程度上取决于您对数据的处理方式。例如，如果您只访问任何行的所有行，则面向行是自然的。同时，面向列可以更好地利用缓存，例如在按特定字段进行搜索时（在Python中，可以通过大量使用引用来减少这种情况；数组类型可以优化这种情况）。传统的面向行的数据库经常使用面向列的排序索引来加快查找速度，并且了解了这些技术之后，您可以使用键值存储实现任何组合。

Pandas确实将两个示例都转换为相同格式，但是对于面向行的结构而言，转换本身的成本更高，这仅仅是因为必须阅读每个单独的字典。所有这些成本可能都是微不足道的。

第三个选项在您的示例中不明显：在这种情况下，您只有两列，其中一列是从0连续的整数ID。可以按条目本身的顺序存储，这意味着整个结构会在您呼叫的列表中找到users2['name'];
但值得注意的是，没有位置的条目是不完整的。该列表使用enumerate（）转换为行。数据库通常也有这种特殊情况（例如，sqlite
rowid）。

通常，从使代码保持敏感的数据结构开始，并且仅在知道用例并且存在可衡量的性能问题时进行优化。诸如Pandas之类的工具可能意味着大多数项目都可以正常运行而无需微调。