def process_file_path_list(self, path_list, total_tf_map):

    for path_ in path_list:

        tf_dict = self.process_file(path_) # extract word in file

        for (key, value) in tf_dict.items():

            # update dict

            if key in total_tf_map.keys():

                total_tf_map[key] += value

            else:

                total_tf_map[key] = value

                

用过python的朋友应该挺熟悉，判断一个key在不在字典里，这个方法也挺好用的。但是为啥性能这么低，按理说python的字典内部实现上是用哈希表，性能应该挺好的啊。琢磨了半天才发现这里有个坑，dict.keys()这个函数返回的是一个列表啊，是一个列表。。。处理这么大的数据，返回出来的列表至少也得有几十万个数据，在这些数据里找key那岂不不是费老大劲了。坑啊。。。

def process_file_path_list(self, path_list, total_tf_map):

    for path_ in path_list:

        tf_dict = self.process_file(path_)

        for (key, value) in tf_dict.items():

            # update total_tf_dict_

            if total_tf_map.get(key) != None:

                total_tf_map[key] += value

            else:

                total_tf_map[key] = value

                

单次查询中：看来list 就是O(n)的；而set做了去重，本质应该一颗红黑树（猜测，STL就是红黑树），复杂度O(logn)；dict类似对key进行了hash,然后再对hash生成一个红黑树进行查找，其查找复杂其实是O(logn),并不是所谓的O(1)。O(1)只是理想的实现，实际上很多hash的实现是进行了离散化的。dict比set多了一步hash的过程，so 它比set慢，不过差别不大。

so,如果是要频繁的查找，请使用set吧！