如何优化字典列表中根据最大when值获取val的查询效率？

你的原实现会两次遍历整个列表，还生成了存储所有when值的中间列表，处理30万条数据时，时间和内存开销都会翻倍，这是效率低的核心原因。下面是几种更高效的优化方法：

方法1：单次遍历直接找到目标元素（推荐） #

利用Python内置max()函数的key参数，只遍历一次列表就能定位到when值最大的元素，直接取出对应的val：

max_val = max(history, key=lambda x: x['when'])['val']

这个方法的优势：

• 仅遍历列表一次，时间复杂度为O(n)
• 不需要生成任何中间列表，内存占用极低
• 代码简洁直观

如果存在多个when值等于最大值的元素，max()会返回列表中第一个出现的元素。

方法2：先取最大值再匹配（适合需要所有对应val的场景） #

如果需要获取所有when值等于最大值的val，可以先通过生成器表达式（而非列表推导式）获取最大when值（生成器不会一次性存储所有值，更省内存），再遍历一次列表收集结果：

max_when = max(item['when'] for item in history)
max_vals = [item['val'] for item in history if item['when'] == max_when]
# 若只需第一个值，取max_vals[0]即可

对比原实现，这里用生成器表达式代替列表推导式求最大值，能减少约一半的内存占用，同时两次遍历的逻辑更清晰。

原实现的问题拆解 #

原代码[his['val'] for his in history if his['when']== max([his['when'] for his in history])][0]存在两个关键低效点：

1. max([his['when'] for his in history])会生成一个包含30万个元素的列表，占用额外内存
2. 先遍历一次列表生成when列表求最大值，再遍历一次列表筛选元素，总遍历次数是2n，时间开销翻倍

内容的提问来源于stack exchange，提问作者Bubble3D