高效查找对象数组中的单个对象方法

本文介绍如何将线性搜索的患者对象查找优化为哈希表（字典）查找，大幅提升处理大规模日志文件时的性能，核心是用 dict 替代 list 存储患者实例，并以 pat_id 为键实现 O(1) 平均时间复杂度的快速定位。

本文介绍如何将线性搜索的患者对象查找优化为哈希表（字典）查找，大幅提升处理大规模日志文件时的性能，核心是用 `dict` 替代 `list` 存储患者实例，并以 `pat_id` 为键实现 O(1) 平均时间复杂度的快速定位。

在处理海量医疗日志时，原始代码中使用 for pat in patient.all_patients 遍历整个患者列表进行 ID 匹配，属于典型的 O(n) 线性搜索。当患者数量达数千、日志行数超百万时，重复执行该逻辑会导致严重性能瓶颈——例如每行日志都遍历全部患者，总时间复杂度高达 O(n × m)，极易成为性能瓶颈。

更优解是利用 Python 字典（dict）底层的哈希表结构，将查找复杂度降至 平均 O(1)。关键改造如下：

• ✅ 移除全局类变量 all_patients：避免隐式状态和线程不安全风险；
• ✅ 改用 patients: dict[int, Patient] 存储：以 pat_id 为键，Patient 实例为值；
• ✅ 消除冗余循环与 any() 检查：直接通过 in 或 setdefault() 完成存在性判断与初始化。

以下是优化后的完整实现：

class Patient:
    def __init__(self, pat_id: int):
        self.pat_id = pat_id
        self.plans = []  # 使用普通 list，若需去重可考虑 set（注意保持插入顺序时慎用）

# 初始化空字典，替代原 all_patients 列表
patients = {}
total_plans = 0

# 假设 index 是当前日志行解析后的列表（如 index = line.strip().split('\t')）
patient_id = int(index[4])   # 确保类型一致，避免字符串/整数混用
plan_name = index[11]

# 方式1：显式判断 + 字典赋值（清晰易读）
if patient_id not in patients:
    patients[patient_id] = Patient(patient_id)

# 添加计划（自动去重）
if plan_name not in patients[patient_id].plans:
    patients[patient_id].plans.append(plan_name)
    total_plans += 1

print(f"Total unique patients: {len(patients)}")
print(f"Total unique plans added: {total_plans}")

? 进阶建议：若 plans 仅需唯一性且不依赖插入顺序，可将 self.plans 改为 set()，使 in 判断也保持 O(1)；若需保留添加顺序并去重，可用 collections.OrderedDict 或 Python 3.7+ 的 dict.fromkeys(plans) 去重后重建列表。

⚠️ 注意事项：

• 确保 index[4] 和 index[11] 下标有效，建议添加 try/except IndexError 或预校验；
• 若 pat_id 来自文本日志，务必转换为统一类型（如 int(index[4])），避免 "123" 与 123 被视为不同键；
• 多线程环境下需加锁或改用线程安全结构（如 threading.Lock 包裹字典操作）；
• 内存方面：字典比列表略占空间，但对千万级患者仍远优于线性扫描的时间代价。

通过这一重构，日志处理速度可提升数十至数百倍，真正实现可扩展的大数据医疗日志解析。