1. 为什么需要一对多字典

在日常编程中，我们经常会遇到这样的情况：一个键（key）需要对应多个值（value）。比如学生信息管理系统中，一个班级名称需要对应多个学生姓名；或者商品分类系统中，一个分类需要包含多个商品ID。这时候普通的Python字典就无法满足需求了，因为标准的字典结构是一个键只能对应一个值。

我刚开始用Python处理数据时就遇到过这个问题。当时需要统计每个城市的天气记录，一个城市对应多天的天气数据。最初我尝试用普通字典，结果每次添加新数据都会覆盖之前的值，折腾了好久才发现问题所在。

2. 基础方案：手动创建列表

2.1 实现方法

最直观的解决方案就是把多个值放在一个列表里，让这个列表作为字典的值。具体实现很简单：

# 创建包含列表的字典
student_dict = {
    'class1': ['张三', '李四', '王五'],
    'class2': ['赵六', '钱七']
}

# 添加新学生
student_dict['class1'].append('马六')

这种方法最大的优点就是简单直接，不需要任何额外导入，新手也能一眼看懂。我在处理小型数据集时经常用这种方法，特别是当数据量不大且结构简单的时候。

2.2 使用场景与注意事项

这种方案最适合以下情况：

• 数据量不大，不需要频繁修改
• 键值关系在初始化时就已确定
• 需要保持值的顺序（列表是有序的）

但要注意几个坑：

1. 添加新键时需要手动初始化空列表
2. 如果键不存在直接append会报错
3. 重复添加相同值需要额外处理

# 错误示范
student_dict = {}
student_dict['class3'].append('张三')  # 报错！因为class3不存在

# 正确做法
if 'class3' not in student_dict:
    student_dict['class3'] = []
student_dict['class3'].append('张三')

3. 进阶方案：setdefault方法

3.1 方法原理

Python字典内置的setdefault方法可以完美解决手动检查键是否存在的问题。它的工作原理是：如果键存在就返回对应的值，如果不存在就设置默认值并返回。

student_dict = {}
student_dict.setdefault('class1', []).append('张三')
student_dict.setdefault('class1', []).append('李四')

这个方法我特别喜欢用在数据处理脚本中，特别是从文件或数据库读取数据时。它让代码更简洁，避免了大量的if判断。

3.2 实际应用示例

假设我们要统计文章中每个单词出现的行号：

word_lines = {}
for line_num, line in enumerate(open('article.txt'), 1):
    for word in line.split():
        word_lines.setdefault(word, []).append(line_num)

setdefault的第二个参数可以是任何对象，不仅限于列表。比如用集合来避免重复值：

unique_words = {}
for line in open('article.txt'):
    for word in line.split():
        unique_words.setdefault(word, set()).add(line.strip())

3.3 性能考量

虽然setdefault很方便，但在性能敏感的场景要注意：每次调用都会创建一个新列表（或集合），即使键已存在。对于超大规模数据，这可能带来不必要的内存开销。

4. 专业方案：defaultdict类

4.1 defaultdict介绍

collections模块中的defaultdict是专门为这类场景设计的。它在创建时需要指定一个工厂函数，当访问不存在的键时会自动调用这个函数生成默认值。

from collections import defaultdict

# 使用list工厂函数
student_dict = defaultdict(list)
student_dict['class1'].append('张三')
student_dict['class1'].append('李四')

# 使用set工厂函数
unique_dict = defaultdict(set)
unique_dict['class1'].add('张三')
unique_dict['class1'].add('张三')  # 不会重复添加

4.2 与普通字典的差异

defaultdict和普通字典几乎完全兼容，但有几点关键区别：

1. 访问不存在的键不会报错
2. 可以自定义默认值类型
3. 需要从collections模块导入
4. 打印时会显示类型信息

print(student_dict)
# 输出：defaultdict(<class 'list'>, {'class1': ['张三', '李四']})

4.3 高级用法

defaultdict的工厂函数不仅限于内置类型，还可以是任何可调用对象。比如：

# 自定义默认值
def default_value():
    return {'count': 0, 'items': []}

stats = defaultdict(default_value)
stats['class1']['items'].append('张三')
stats['class1']['count'] += 1

5. 三种方案对比与选择

5.1 功能对比

特性	手动列表	setdefault	defaultdict
需要导入模块	否	否	是
自动处理新键	否	是	是
支持去重	需手动	需手动	是(set)
保持插入顺序	是	是	是
内存效率	高	中	高

5.2 性能测试

通过timeit模块测试添加10000个键值对的性能：

import timeit

setup1 = "d = {}"
stmt1 = """
for i in range(1000):
    if i%10 not in d:
        d[i%10] = []
    d[i%10].append(i)
"""

setup2 = "d = {}"
stmt2 = """
for i in range(1000):
    d.setdefault(i%10, []).append(i)
"""

setup3 = "from collections import defaultdict; d = defaultdict(list)"
stmt3 = """
for i in range(1000):
    d[i%10].append(i)
"""

print("手动列表:", timeit.timeit(stmt1, setup1, number=1000))
print("setdefault:", timeit.timeit(stmt2, setup2, number=1000))
print("defaultdict:", timeit.timeit(stmt3, setup3, number=1000))

测试结果显示defaultdict最快，setdefault次之，手动列表最慢。但在实际应用中，除非处理超大数据集，否则差异不大。

5.3 选择建议

根据我的经验，推荐这样选择：

1. 简单脚本或临时使用 ：手动列表最直接
2. 需要兼容旧代码 ：setdefault不需要额外导入
3. 大型项目或高频使用 ：defaultdict代码最简洁高效
4. 需要去重 ：defaultdict(set)是完美选择

6. 实际应用案例

6.1 数据分组处理

假设我们有一组学生成绩数据，需要按班级分组计算平均分：

from collections import defaultdict

scores = [
    ('class1', '张三', 85),
    ('class2', '李四', 90),
    ('class1', '王五', 78),
    ('class2', '赵六', 92)
]

# 使用defaultdict分组
class_scores = defaultdict(list)
for class_name, name, score in scores:
    class_scores[class_name].append(score)

# 计算平均分
for class_name, scores in class_scores.items():
    avg = sum(scores) / len(scores)
    print(f"{class_name}平均分: {avg:.1f}")

6.2 配置文件解析

解析类似INI格式的配置文件，每个section包含多个key-value对：

config_text = """
[database]
host = localhost
port = 3306

[app]
debug = True
workers = 4
"""

config = defaultdict(dict)
current_section = None

for line in config_text.split('\n'):
    line = line.strip()
    if not line or line.startswith('#'):
        continue
    if line.startswith('[') and line.endswith(']'):
        current_section = line[1:-1]
    else:
        key, value = line.split('=', 1)
        config[current_section][key.strip()] = value.strip()

6.3 图数据结构

用字典表示图的邻接表非常自然：

graph = defaultdict(set)

# 添加边
graph['A'].add('B')
graph['A'].add('C')
graph['B'].add('A')
graph['B'].add('D')

# 查找邻居
print(graph['A'])  # 输出: {'B', 'C'}

7. 常见问题与解决方案

7.1 如何保持插入顺序

从Python 3.7开始，普通字典已经保持插入顺序。如果要兼容更早版本或使用defaultdict，可以用：

from collections import OrderedDict, defaultdict

class OrderedDefaultDict(OrderedDict):
    def __missing__(self, key):
        self[key] = value = []
        return value

d = OrderedDefaultDict()
d['a'].append(1)
d['b'].append(2)

7.2 多层嵌套字典

处理嵌套结构时，可以结合defaultdict和lambda：

nested_dict = defaultdict(lambda: defaultdict(list))
nested_dict['school']['class1'].append('张三')

7.3 内存优化技巧

对于超大数据集，可以考虑以下优化：

1. 使用生成器而非列表存储值
2. 对于只读数据，使用tuple替代list
3. 使用__missing__方法自定义处理逻辑

class LargeDataDict(dict):
    def __missing__(self, key):
        # 按需加载数据
        value = load_from_disk(key)
        self[key] = value
        return value

8. 扩展知识

8.1 其他类似数据结构

Python的collections模块还提供了：

• Counter ：用于计数场景
• ChainMap ：合并多个字典
• UserDict ：创建自定义字典类

8.2 Python 3.9+新特性

Python 3.9引入了合并运算符|，让字典操作更方便：

d1 = {'a': [1, 2]}
d2 = {'a': [3], 'b': [4]}
merged = d1 | d2  # {'a': [3], 'b': [4]}

8.3 性能优化建议

1. 预估大小时提前分配空间
2. 考虑使用第三方库如numpy/pandas处理数值数据
3. 对于只读数据，考虑使用frozendict等不可变字典

我在实际项目中遇到过几次性能问题，后来发现是因为没有正确选择数据结构。比如处理百万级键值对时，从defaultdict(list)切换到defaultdict(set)后，内存使用减少了40%。