Python辞書型の応用テクニック：基本を越えて更に深く

# 辞書内包表記を使ったデータの変換
original_dict = {'a': 1, 'b': 2, 'c': 3}
new_dict = {key: value * 2 for key, value in original_dict.items()}
print(new_dict)  # {'a': 2, 'b': 4, 'c': 6}

# 辞書の結合の例
dict1 = {'a': 1, 'b': 2}
dict2 = {'c': 3, 'd': 4}
dict1.update(dict2)
print(dict1)  # {'a': 1, 'b': 2, 'c': 3, 'd': 4}

# 辞書を使ったデータ検索の最適化
data = {'Alice': 25, 'Bob': 30, 'Charlie': 35}
age_of_bob = data.get('Bob', 'Not Found')
print(age_of_bob)  # 30

import json

# 辞書型データの例
data_dict = {"name": "Alice", "age": 25, "email": "alice@example.com"}

# JSON形式に変換
json_data = json.dumps(data_dict)
print(json_data)  # 出力: {"name": "Alice", "age": 25, "email": "alice@example.com"}

# JSON形式のデータ
json_data = '{"name": "Alice", "age": 25, "email": "alice@example.com"}'

# 辞書型に変換
data_dict = json.loads(json_data)
print(data_dict)  # 出力: {'name': 'Alice', 'age': 25, 'email': 'alice@example.com'}

import requests

# APIからデータを取得
response = requests.get('https://api.example.com/data')
data = response.json()  # JSONデータを辞書型に変換

# データの使用
print(data)

import requests

# 送信するデータ
data_to_send = {"name": "Alice", "message": "Hello, World!"}

# APIへデータを送信
response = requests.post('https://api.example.com/send', json=data_to_send)
print(response.status_code)  # HTTPステータスコードを出力

# キーと値を持つリスト
keys = ['a', 'b', 'c']
values = [1, 2, 3]

# 辞書内包表記で辞書を生成
my_dict = {k: v for k, v in zip(keys, values)}
print(my_dict)  # 出力結果: {'a': 1, 'b': 2, 'c': 3}

# 元の辞書
original_dict = {'a': 1, 'b': 2, 'c': 3, 'd': 4}

# 特定の条件でフィルタリングした辞書を生成
filtered_dict = {k: v for k, v in original_dict.items() if v > 2}
print(filtered_dict)  # 出力結果: {'c': 3, 'd': 4}

# 文字列のリスト
words = ["apple", "banana", "cherry"]

# 単語とその長さの辞書を生成
word_length_dict = {word: len(word) for word in words}
print(word_length_dict)  # 出力結果: {'apple': 5, 'banana': 6, 'cherry': 6}

# 辞書の基本的な作成とアクセス
user_info = {'name': 'Taro', 'age': 30, 'email': 'taro@example.com'}
print(user_info['name'])  #出力結果：Taro

# ユーザー情報の管理
users = {
    'user1': {'name': 'Taro', 'age': 30},
    'user2': {'name': 'Hanako', 'age': 25}
}
print(users['user1'])  #出力結果： {'name': 'Taro', 'age': 30}

# 辞書を使用したデータの検索と更新
product_catalog = {'001': {'name': 'Pen', 'price': 100}, '002': {'name': 'Notebook', 'price': 200}}
product_catalog['003'] = {'name': 'Eraser', 'price': 50}
print(product_catalog['002'])  #出力結果： {'name': 'Notebook', 'price': 200}

import timeit
import random

def measure_search_time(n):
    # 大きなリストと辞書を作成
    large_list = list(range(n))
    large_dict = {key: key for key in large_list}

    # ランダムに選ばれた要素を検索する関数
    def search_in_list():
        return random.choice(large_list) in large_list

    def search_in_dict():
        return random.choice(large_list) in large_dict

    # timeitを使って実行時間を計測
    list_time = timeit.timeit(search_in_list, number=1000)
    dict_time = timeit.timeit(search_in_dict, number=1000)

    # 比率と実時間差を計算して表示
    time_ratio = list_time / dict_time
    time_difference = list_time - dict_time
    print(f"サイズ {n} の時、リストの検索時間: {list_time:.4f}秒、辞書の検索時間: {dict_time:.4f}秒")
    print(f"リストの検索は辞書の検索より {time_ratio:.2f} 倍遅い（{time_difference:.4f}秒の差）")

# 異なるサイズで計測
for n in [1000, 10000, 100000]:
    measure_search_time(n)

サイズ 1000 の時、リストの検索時間: 0.0019秒、辞書の検索時間: 0.0002秒
リストの検索は辞書の検索より 8.37 倍遅い（0.0017秒の差）
サイズ 10000 の時、リストの検索時間: 0.0167秒、辞書の検索時間: 0.0003秒
リストの検索は辞書の検索より 56.46 倍遅い（0.0164秒の差）
サイズ 100000 の時、リストの検索時間: 0.1748秒、辞書の検索時間: 0.0004秒
リストの検索は辞書の検索より 439.97 倍遅い（0.1744秒の差）
#更に桁数を増やして検証した結果
サイズ 1000000 の時、リストの検索時間: 1.9648秒、辞書の検索時間: 0.0006秒
リストの検索は辞書の検索より 3453.16 倍遅い（1.9643秒の差）
サイズ 10000000 の時、リストの検索時間: 21.0807秒、辞書の検索時間: 0.0009秒
リストの検索は辞書の検索より 24469.78 倍遅い（21.0799秒の差）

optimized_dict = {i: i**2 for i in range(100)}

from sys import getsizeof
print(f"最適化後の辞書のサイズ: {getsizeof(optimized_dict)} バイト")

cache_dict = {}

def expensive_computation(key):
    return key * 10

def get_computation(key):
    if key not in cache_dict:
        cache_dict[key] = expensive_computation(key)
    return cache_dict[key]

print(get_computation(10))
print(get_computation(10))  # キャッシュから結果を再利用