Python：对字典值分箱并生成箱归属查询字典的高效方法

问题描述 #

我有一个键为字符串、值为数字的字典，示例如下：

d = {'key1': 0.5, 'key2': 0.2, 'key3': 0.3, 'key4': 0.9, 'key5': 0.94, ...}

需要完成以下操作：

• 按照固定间隔（如0.2为增量）对字典中的值进行分箱
• 生成另一个可查询键所属分箱的字典，最终结果示例如下：

result = {'key1': 3, 'key2': 1, 'key3': 2, 'key4': 5, 'key5': 5, ...}

该字典规模较大，可能包含50万条以上条目，请问最高效的实现方法是什么？

高效实现方案 #

核心思路 #

利用整数运算替代浮点运算规避精度问题，同时采用Python原生字典推导式结合内置函数——原生操作基于C实现，比纯Python循环效率高得多，是处理大字典的最优选择。

具体实现代码 #

假设分箱间隔为step=0.2，分箱编号从1开始：

针对可被1整除的间隔（如0.2、0.1）

step = 0.2
# 预计算间隔的倒数，转为整数避免浮点误差
inv_step = int(1 / step)
# 字典推导式批量处理
result = {k: int(v * inv_step) + 1 if v % step != 0 else int(v * inv_step) for k, v in d.items()}

针对任意间隔（如0.3）

用round修正浮点精度问题：

step = 0.3
result = {k: int(round(v / step)) + 1 if v % step != 0 else int(v / step) + 1 for k, v in d.items()}

性能优化细节 #

1. 预计算常量：把1/step这类固定计算放在循环外，避免重复运算
2. 优先用字典推导式：比for循环逐个添加键值对快30%以上，尤其适配大字典场景
3. 整数运算优先：对于step=1/n的情况，用v * inv_step代替v / step，精度更高、速度更快
4. 超大规模可选方案：如果字典条目过百万，可借助pandas的向量化运算加速（需引入依赖）：

import pandas as pd
import numpy as np

step = 0.2
series = pd.Series(d)
# 生成分箱区间
bins = np.arange(0, series.max() + step, step)
# 分箱后转为字典
result = pd.cut(series, bins=bins, labels=range(1, len(bins))).to_dict()

注：50万条规模下，原生Python方案已足够高效，无需额外依赖。

验证示例 #

针对题目中的示例字典：

d = {'key1': 0.5, 'key2': 0.2, 'key3': 0.3, 'key4': 0.9, 'key5': 0.94}
step = 0.2
inv_step = 5
result = {k: int(v * inv_step) + 1 if v % step != 0 else int(v * inv_step) for k, v in d.items()}
# 输出结果：{'key1': 3, 'key2': 1, 'key3': 2, 'key4': 5, 'key5': 5}

完全符合预期。

内容的提问来源于stack exchange，提问作者Ziqi