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!