如何高效将字典元素按频率展开为列表？（百万级数据优化）

假设有一个包含百万条记录的字典，其中键代表元素，值代表对应出现频率。示例字典如下：

d = {1:2, 2:4, 3:5}

我们需要生成展开后的列表：

[1, 1, 2, 2, 2, 2, 3, 3, 3, 3, 3]

原实现采用嵌套循环，代码如下：

lst=[]
for key, freq in d.items():
  for _ in range(freq):
    lst.append(key)

print(lst)
#[1, 1, 2, 2, 2, 2, 3, 3, 3, 3, 3]

这种写法频繁调用append，可能因多次列表扩容产生额外开销，对于百万级数据效率偏低；即使改用列表推导式，本质仍是嵌套循环，性能提升有限。以下是更优雅高效的解决方案：

方案1：使用itertools.chain.from_iterable #

利用itertools的迭代器工具，结合元素重复的方式实现高效拼接：

import itertools

d = {1:2, 2:4, 3:5}
# 用列表推导生成重复元素的子列表，再通过chain拼接
lst = list(itertools.chain.from_iterable([key]*freq for key, freq in d.items()))

如果想进一步降低内存占用（尤其是处理超大频率值时），可以用生成器表达式替代列表推导：

lst = list(itertools.chain.from_iterable((key for _ in range(freq)) for key, freq in d.items()))

优势：chain.from_iterable直接迭代拼接子序列，避免了中间大列表的内存占用；[key]*freq一次性创建重复元素列表，比循环append的内存分配更高效。

方案2：使用numpy的向量化操作 #

针对百万级别的大数据量，numpy的底层C实现能带来显著的性能提升：

import numpy as np

d = {1:2, 2:4, 3:5}
keys = np.array(list(d.keys()))
freqs = np.array(list(d.values()))
# 利用numpy.repeat实现向量化重复
lst = np.repeat(keys, freqs).tolist()

优势：向量化操作避开了Python层面的循环开销，处理大规模数据时速度远优于纯Python实现。

内容的提问来源于stack exchange，提问作者Talha Tayyab