给定一个矩阵文件并且第一列用作python字典的键(称为docid),我应该如何读取文件以便如果键不在运行顺序中它会停止,即
if docid-1 > previous_docid
或者if docid < previd
我一直在按照下面的代码进行操作,但看起来有点冗长,还有其他方法可以产生相同的输出吗?(注意:解决方案需要处理最大 20 GB 的矩阵文件。为了代码片段,我给出了一个小数据集)
text = '''0 1 1
0 2 1
1 3 1
1 7 1
2 5 4
2 4 6
2 9 8
3 5 7
3 9 8
3 10 9
9 2 9
9 8 3
3 9 4'''
from collections import defaultdict
docs = defaultdict(list)
previd = -1
for line in text.split('\n'):
docid, termid, val = map(int,line.split())
if docid < previd or docid-1 > previd:
print line
break
previd = docid
docs[docid].append((termid,val))
for i in docs:
print i, docs[i]