如何基于含Start、End、Value列的CSV高效创建Python字典？

不用把区间内每个整数展开存储，推荐根据使用场景选择以下两种方案：

方案1：区间存储 + 二分查找查询（最优性能，推荐绝大多数场景） #

核心逻辑是仅存储CSV里的原始区间条目，查询时通过二分查找快速匹配所属区间，内存占用和查询效率都远高于展开全量整数的方案。

实现代码 #

import csv
import bisect

# 读取CSV并构建排序后的区间索引
sorted_starts = []
sorted_ends = []
sorted_values = []

with open("你的文件路径.csv", "r", encoding="utf-8") as f:
    reader = csv.DictReader(f)
    raw_intervals = []
    for row in reader:
        start = int(row["Start"])
        end = int(row["End"])
        value = int(row["Value"])
        raw_intervals.append((start, end, value))

# 按区间起始值排序，方便后续二分查找
raw_intervals.sort(key=lambda x: x[0])
for start, end, value in raw_intervals:
    sorted_starts.append(start)
    sorted_ends.append(end + 1)  # 转左闭右开区间，简化边界判断
    sorted_values.append(value)

# 查询函数
def query_value(num: int) -> int | None:
    # 找到最后一个起始值小于等于num的区间
    idx = bisect.bisect_right(sorted_starts, num) - 1
    # 校验num是否在该区间的结束值范围内
    if idx >= 0 and num < sorted_ends[idx]:
        return sorted_values[idx]
    # 无匹配区间返回None，可按需修改为默认值
    return None

方案优势 #

• 内存占用极低：仅存储和CSV行数相同的条目，哪怕区间跨度是几十万几百万也不会增加内存消耗
• 查询效率高：单次查询时间复杂度为O(log n)，n为CSV行数，远高于遍历全量字典的效率

方案2：自定义字典类（兼容原生字典使用习惯） #

如果你需要使用dict[整数]的方式直接取值，不需要额外调用查询函数，可以继承原生字典重写缺失键匹配逻辑，无需提前存储所有整数键：

class IntervalDict(dict):
    def __init__(self, sorted_starts: list[int], sorted_ends: list[int], sorted_values: list[int]):
        self.sorted_starts = sorted_starts
        self.sorted_ends = sorted_ends
        self.sorted_values = sorted_values
        # 可选：开启查询缓存，查询过的键会存入原生字典，下次查询直接返回
        self.enable_cache = True

    def __missing__(self, key: int):
        if not isinstance(key, int):
            raise KeyError(key)
        idx = bisect.bisect_right(self.sorted_starts, key) - 1
        if idx >= 0 and key < self.sorted_ends[idx]:
            val = self.sorted_values[idx]
            if self.enable_cache:
                self[key] = val
            return val
        raise KeyError(key)

# 用法示例
my_dict = IntervalDict(sorted_starts, sorted_ends, sorted_values)
print(my_dict[20]) # 输出30
print(my_dict[15000]) # 输出1

小数据量简化方案 #

如果你的CSV行数小于100行，不需要二分查找，直接遍历匹配区间即可，代码更简洁：

import csv

interval_map = []
with open("你的文件路径.csv", "r", encoding="utf-8") as f:
    reader = csv.DictReader(f)
    for row in reader:
        interval_map.append((int(row["Start"]), int(row["End"]), int(row["Value"])))

def query_value_small(num: int) -> int | None:
    for start, end, val in interval_map:
        if start <= num <= end:
            return val
    return None

内容的提问来源于stack exchange，提问作者lunbox