Python字典和列表性能之間的比較
Python列表和字典
- 前面我們瞭解瞭 “大O表示法” 以及對不同的算法的評估，下面來討論下 Python 兩種內置數據類型有關的各種操作的大O數量級：列表 list 和字典dict。
- 這是 Python 中兩種非常重要的數據類型，後面會用來實現各種數據結構，通過運行試驗來估計其各種操作運行時間數量級。
對比 list 和 dict 操作如下：
List列表數據類型常用操作性能：
最常用的是：按索引取值和賦值（v=a[i]，a[i]=v），由於列表的隨機訪問特性，這兩個操作執行時間與列表大小無關，均為O(1)。
另一個是列表增長，可以選擇 append() 和 “+”：lst.append(v)，執行時間是O(1)；lst= lst+ [v]，執行時間是O(n+k)，其中 k 是被加的列表長度，選擇哪個方法來操作列表，也決定瞭程序的性能。
測試 4 種生成 n 個整數列表的方法：
創建一個 Timer 對象，指定需要反復運行的語句和隻需要運行一次的”安裝語句”。
然後調用這個對象的 timeit 方法，指定反復運行多少次。
# Timer(stmt="pass", setup="pass") # 這邊隻介紹兩個參數
# stmt：statement的縮寫，就是要測試的語句，要執行的對象
# setup：導入被執行的對象（就和run代碼前，需要導入包一個道理） 在主程序命名空間中 導入
time1 = Timer("test1()", "from __main__ import test1")
print("concat：{} seconds".format(time1.timeit(1000)))
time2 = Timer("test2()", "from __main__ import test2")
print("append：{} seconds".format(time2.timeit(1000)))
time3 = Timer("test3()", "from __main__ import test3")
print("comprehension：{} seconds".format(time3.timeit(1000)))
time4 = Timer("test4()", "from __main__ import test4")
print("list range：{} seconds".format(time4.timeit(1000))
結果如下：
可以看到，4種方法運行時間差別挺大的，列表連接（concat）最慢，List range最快，速度相差近 100 倍。append要比 concat 快得多。另外，我們註意到列表推導式速度大約是 append 兩倍的樣子。
總結列表基本操作的大 O 數量級：
我們註意到 pop 這個操作，pop()是從列表末尾移除元素，時間復雜度為O(1)；pop(i)從列表中部移除元素，時間復雜度為O(n)。
原因在於 Python 所選擇的實現方法，從中部移除元素的話，要把移除元素後面的元素，全部向前挪位復制一遍，這個看起來有點笨拙
但這種實現方法能夠保證列表按索引取值和賦值的操作很快，達到O(1)。這也算是一種對常用和不常用操作的折中方案。
list.pop()的計時試驗，通過改變列表的大小來測試兩個操作的增長趨勢：
import timeit
pop_first = timeit.Timer("x.pop(0)", "from __main__ import x")
pop_end = timeit.Timer("x.pop()", "from __main__ import x")
print("pop(0) pop()")
y_1 = []
y_2 = []
for i in range(1000000, 10000001, 1000000):
x = list(range(i))
p_e = pop_end.timeit(number=1000)
x = list(range(i))
p_f = pop_first.timeit(number=1000)
print("{:.6f} {:.6f}".format(p_f, p_e))
y_1.append(p_f)
y_2.append(p_e)
結果如下：
將試驗結果可視化，可以看出增長趨勢：pop()是平坦的常數，pop(0)是線性增長的趨勢。
字典與列表不同，是根據鍵值（key）找到數據項，而列表是根據索引（index）。最常用的取值和賦值，其性能均為O(1)。另一個重要操作contains(in)是判斷字典中是否存在某個鍵值（key），這個性能也是O(1)。
做一個性能測試試驗來驗證 list 中檢索一個值，以及 dict 中檢索一個值的用時對比，生成包含連續值的 list 和包含連續鍵值 key 的
dict，用隨機數來檢驗操作符 in 的耗時。
import timeit
import random
y_1 = []
y_2 = []
print("lst_time dict_time")
for i in range(10000, 1000001, 25000):
t = timeit.Timer("random.randrange(%d) in x" % i, "from __main__ import random, x")
x = list(range(i))
lst_time = t.timeit(number=1000)
x = {j: 'k' for j in range(i)}
dict_time = t.timeit(number=1000)
print("{:.6f} {:.6f}".format(lst_time, dict_time))
y_1.append(lst_time)
y_2.append(dict_time)
結果如下：
- 可見字典的執行時間與規模無關，是常數。
- 而列表的執行時間則會隨著列表的規模加大而線性上升。
更多 Python 數據類型操作復雜度可以參考官方文檔：
https://wiki.python.org/moin/TimeComplexity
到此這篇關於Python字典和列表性能之間的比較的文章就介紹到這瞭,更多相關Python列表和字典內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！