python存储数据的方式_用Python存储集合数据的最佳方法是什么?

我有一份数据清单,格式如下:

[(id\__1_, description, id\_type), (id\__2_, description, id\_type), ... , (id\__n_, description, id\_type))

数据是从属于同一组的文件加载的。在每个组中,可能有相同id的倍数,每个都来自不同的文件。我不在乎复制品,所以我想一个很好的方法来存储所有这些,就是把它扔进一个集合类型。但有个问题。

有时,对于同一id,描述可能略有不同,如下所示:

IPI00110753号微管蛋白α-1A链

微管蛋白α-1链

α-微管蛋白1

α-微管蛋白同种型M-α-1

我不在乎描述是否不同。我不能扔掉它们,因为我使用的蛋白质数据库可能不包含某个标识符的列表。如果发生这种情况,我将希望能够向生物学家展示人类可读的描述,以便他们大致知道他们在看什么蛋白质。

我目前正在使用字典类型解决此问题。不过,我不太喜欢这个解决方案,因为它使用了大量内存(我有很多这些ID)。这只是他们中间人的名单。在将ID放入数据库之前,还需要进行一些额外的处理,所以我希望保持我的数据结构更小。

我真的有两个问题。首先,我会使用Set类型(而不是dictionary类型)得到更小的内存占用,还是应该使用排序列表,在每次插入列表时都要检查该ID是否存在,或者是否有第三个解决方案是我没有想到的?其次,如果Set类型是更好的答案,那么我如何设置它的键,使其只查看元组的第一个元素,而不是整个元素?

感谢您阅读我的问题,

提姆

更新

根据我收到的一些评论,让我澄清一点。我对数据结构所做的大部分工作都是插入到其中。我只读了两次,一次是用附加信息注释,*一次是插入数据库。不过,在我插入数据库之前,可能还有其他注释要做。不幸的是,我不知道这个时候会不会发生。

现在我正在研究如何将这些数据存储在一个不基于哈希表(即字典)的结构中。我希望新的结构在插入时相当快,但是读取它可能是线性的,因为我只实际执行了两次。我正试图从哈希表中移开以节省空间。是否有更好的结构或哈希表是它得到的最好的?

*信息是通过查询uniprot得到的瑞士Prot蛋白标识符列表。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值