【Python技巧系列】 Python中key-value格式数据存储方案
key-value格式的存储的应用场景很多，通用的描述是『输入一个唯一标识的input，返回（查找）一个对应的output』。Python中字典（dictionary）就是一个内置的解决方案 - Python的字典本质上是一个哈希表，功能可对应Java的HashMap，但据说被尽可能地优化过（没有研究过细节，不随意展开），因此输入key的查询速度可以说是Python本身能达到的极致了。
但是，并不是每个场景都是以查询速度为第一条件的。Python字典在建立的过程中同时也要建立一个C long型的哈希表（以及其他？），因此会额外占据很多空间。若是需要在内存中保持一个很大的key-value数据结构，并可以牺牲查询速度的话，也可以用其他方案替代。
这篇整理一下Python中各种常用的key-value方案以及适用场景。
Python自带字典（dictionary）
- 优点：方便简洁，查询速度No.1
- 缺点：占用内存空间。
- 适用场景：内存足够。
Pandas的Series / DataFrame
这里我们主要关心的是，Series / DataFrame的索引中，用户自定义索引和内部建立的数值型索引的映射是怎么实现的？（重点 - 是字典吗？答案：是。）
拿Series来举例：
class Series(base.IndexOpsMixin, strings.StringAccessorMixin,
generic.NDFrame,):
def __init__(self, data=None, index=None, dtype=None, name=None,
copy=False, fastpath=False):
...
self._set_axis(0, index, fastpath=True)
def _set_axis(self, axis, labels, fastpath=False):
...
self._data.set_axis(axis, labels)
...
其中._data是generic.NDFrame初始化设置的对象属性值：
class NDFrame(PandasObject):
def __init__(self, data, axes=None, copy=False, dtype=None,
fastpath=False):
...
object.__setattr__(self, '_data', data)
...
因此，我们追溯到.core.generic.NDFrames中定义的set_axis方法：
def set_axis(self, axis, labels):
""" public verson of axis assignment """
setattr(self, self._get_axis_name(axis), labels)
又追溯到同类中的_get_axis_name方法：
def _get_axis_name(self, axis):
axis = self._AXIS_ALIASES.get(axis, axis)
if isinstance(axis, string_types):
if axis in self._AXIS_NUMBERS:
return axis
else:
try:
return self._AXIS_NAMES[axis]
except:
pass
raise ValueError('No axis named {0} for object type {1}'
.format(axis, type(self)))
其中用到的._AXIS_ALIASES，_AXIS_NUMBERS， _AXIS_NAMES又追溯到了当前类的_setup_axes方法：
@classmethod
def _setup_axes(cls, axes, info_axis=None, stat_axis=None, aliases=None,
slicers=None, axes_are_reversed=False, build_axes=True,
ns=None):
cls._AXIS_ORDERS = axes
cls._AXIS_NUMBERS = dict((a, i) for i, a in enumerate(axes))
cls._AXIS_LEN = len(axes)
cls._AXIS_ALIASES = aliases or dict()
cls._AXIS_IALIASES = dict((v, k) for k, v in cls._AXIS_ALIASES.items())
cls._AXIS_NAMES = dict(enumerate(axes))
cls._AXIS_SLICEMAP = slicers or None
cls._AXIS_REVERSED = axes_are_reversed
这个函数在series.py这个文件中是在class series外使用的，也就是一import就直接被执行，为以上的几个属性进行赋值（初始化？）:
Series._setup_axes(['index'], info_axis=0, stat_axis=0, aliases={'rows': 0})
因此我们可以看到，axes，或者说axis，index的alias别名和实际使用用来查找的内部使用的index序号是用字典来映射的。
也就是说，如果我们仅仅要用Series来存储一个key-value的数据结构，在存储上是和字典一个级别的。
- 优点：数据分析功能多样。
- 缺点：同字典。
- 适用场景：内存足够，并且需要进行数据分析的活动。
Python SQLite API
- 优点：可选择在硬盘上存储。
- 缺点：同一时间只能被一个连接访问修改，其他连接被加锁。
- 适用场景：比较通用。不介意密集I/O操作，不介意查询速度。
列表(list), 元组(tuple)
元组是定长数组，列表是不定长数组。元组在存储空间上比列表节省16byte，估计是一个指针空位（？）
- 优点：简洁快速。
- 缺点：太过简陋。
- 适用场景：key可以被序列化，key可以被一个公式映射成唯一的index，因此能够直接用key得知index。
