już odpowiedziano, ale ponieważ kilka osób wspomniało o odwróceniu słownika, oto jak to zrobić w jednym wierszu (zakładając odwzorowanie 1: 1) i kilka różnych danych perf:
python 2.6:
reversedict = dict([(value, key) for key, value in mydict.iteritems()])
2.7+:
reversedict = {value:key for key, value in mydict.iteritems()}
jeśli uważasz, że nie jest to 1: 1, nadal możesz utworzyć rozsądne odwrotne mapowanie za pomocą kilku linii:
reversedict = defaultdict(list)
[reversedict[value].append(key) for key, value in mydict.iteritems()]
jak powolne jest to: wolniejsze niż proste wyszukiwanie, ale nie tak wolno, jak mogłoby się wydawać - w „prostym” słowniku 100000, „szybkim” wyszukiwaniu (tj. szukaniu wartości, która powinna znajdować się na początku klawiszy) było około 10 razy szybsze niż odwrócenie całego słownika, a „powolne” wyszukiwanie (pod koniec) około 4–5 razy szybciej. Po co najmniej 10 przeglądach jest to opłacone.
druga wersja (z listami na element) zajmuje około 2,5 razy tyle, co wersja prosta.
largedict = dict((x,x) for x in range(100000))
# Should be slow, has to search 90000 entries before it finds it
In [26]: %timeit largedict.keys()[largedict.values().index(90000)]
100 loops, best of 3: 4.81 ms per loop
# Should be fast, has to only search 9 entries to find it.
In [27]: %timeit largedict.keys()[largedict.values().index(9)]
100 loops, best of 3: 2.94 ms per loop
# How about using iterkeys() instead of keys()?
# These are faster, because you don't have to create the entire keys array.
# You DO have to create the entire values array - more on that later.
In [31]: %timeit islice(largedict.iterkeys(), largedict.values().index(90000))
100 loops, best of 3: 3.38 ms per loop
In [32]: %timeit islice(largedict.iterkeys(), largedict.values().index(9))
1000 loops, best of 3: 1.48 ms per loop
In [24]: %timeit reversedict = dict([(value, key) for key, value in largedict.iteritems()])
10 loops, best of 3: 22.9 ms per loop
In [23]: %%timeit
....: reversedict = defaultdict(list)
....: [reversedict[value].append(key) for key, value in largedict.iteritems()]
....:
10 loops, best of 3: 53.6 ms per loop
Miałem także kilka interesujących wyników z ifilter. Teoretycznie ifilter powinien być szybszy, ponieważ możemy używać itervalues () i być może nie musimy tworzyć / przechodzić przez całą listę wartości. W praktyce wyniki były ... dziwne ...
In [72]: %%timeit
....: myf = ifilter(lambda x: x[1] == 90000, largedict.iteritems())
....: myf.next()[0]
....:
100 loops, best of 3: 15.1 ms per loop
In [73]: %%timeit
....: myf = ifilter(lambda x: x[1] == 9, largedict.iteritems())
....: myf.next()[0]
....:
100000 loops, best of 3: 2.36 us per loop
Tak więc, w przypadku małych odsunięć, był on znacznie szybszy niż jakakolwiek poprzednia wersja (2,36 * u * S w porównaniu z minimum 1,48 * m * S w poprzednich przypadkach). Jednak w przypadku dużych przesunięć pod koniec listy było to znacznie wolniejsze (15,1 ms w porównaniu z tym samym 1,48 ms). Małe oszczędności na niskim poziomie nie są warte kosztu na wysokim poziomie, imho.