【python】判斷值是否在list和set的對比以及set的實現原理

判斷值是否在set集合中的速度明顯要比list快的多, 因為查找set用到了hash，時間在O(1)級別。

 

假設listA有100w個元素，setA=set(listA)即setA為listA轉換之后的集合。

以下做個簡單的對比:

for i in xrange(0, 5000000): 2     if i in listA: 3          pass
for i in xrange(0, 5000000): 5     if i in setA: 6          pass

第一個循環用了16min，第二個循環用了52s。 由此可見，在set中判斷是否存在某值的效率要高的多。

況且,從list轉為set，並不會花什么時間。

 

下面在說說dict和set的區別，因為這有助於理解set是如何實現的。

先說字典dict。

Python內置了字典：dict的支持，dict全稱dictionary，在其他語言中也稱為map，使用鍵-值（key-value）存儲，具有極快的查找速度。

舉個例子，假設要根據同學的名字查找對應的成績，如果用list實現，需要兩個list：

names = ['Michael', 'Bob', 'Tracy'] scores = [95, 75, 85]

給定一個名字，要查找對應的成績，就先要在names中找到對應的位置，再從scores取出對應的成績，list越長，耗時越長。

如果用dict實現，只需要一個“名字”-“成績”的對照表，直接根據名字查找成績，無論這個表有多大，查找速度都不會變慢。用Python寫一個dict如下：

>>> d = {'Michael': 95, 'Bob': 75, 'Tracy': 85} >>> d['Michael'] 95

為什么dict查找速度這么快？因為dict的實現原理和查字典是一樣的。假設字典包含了1萬個漢字，我們要查某一個字，一個辦法是把字典從第一頁往后翻，直到找到我們想要的字為止，這種方法就是在list中查找元素的方法，list越大，查找越慢。

第二種方法是先在字典的索引表里（比如部首表）查這個字對應的頁碼，然后直接翻到該頁，找到這個字，無論找哪個字，這種查找速度都非常快，不會隨着字典大小的增加而變慢。

dict就是第二種實現方式，給定一個名字，比如'Michael'，dict在內部就可以直接計算出Michael對應的存放成績的“頁碼”，也就是95這個數字存放的內存地址，直接取出來，所以速度非常快。

你可以猜到，這種key-value存儲方式，在放進去的時候，必須根據key算出value的存放位置，這樣，取的時候才能根據key直接拿到value。

把數據放入dict的方法，除了初始化時指定外，還可以通過key放入：

>>> d['Adam'] = 67
>>> d['Adam'] 67

由於一個key只能對應一個value，所以，多次對一個key放入value，后面的值會把前面的值沖掉：

>>> d['Jack'] = 90
>>> d['Jack'] 90
>>> d['Jack'] = 88
>>> d['Jack'] 88

如果key不存在，dict就會報錯：

>>> d['Thomas'] Traceback (most recent call last): File "<stdin>", line 1, in <module> KeyError: 'Thomas'

要避免key不存在的錯誤，有兩種辦法，一是通過in判斷key是否存在：

>>> 'Thomas' in d False

二是通過dict提供的get方法，如果key不存在，可以返回None，或者自己指定的value：

>>> d.get('Thomas') >>> d.get('Thomas', -1) -1

要刪除一個key，用pop(key)方法，對應的value也會從dict中刪除：

>>> d.pop('Bob') 75
>>> d {'Michael': 95, 'Tracy': 85}

請務必注意，dict內部存放的順序和key放入的順序是沒有關系的。

和list比較，dict有以下幾個特點：

1. 查找和插入的速度極快，不會隨着key的增加而增加；
2. 需要占用大量的內存，內存浪費多。

而list相反：

1. 查找和插入的時間隨着元素的增加而增加；
2. 占用空間小，浪費內存很少。

所以，dict是用空間來換取時間的一種方法。

dict可以用在需要高速查找的很多地方，在Python代碼中幾乎無處不在，正確使用dict非常重要，需要牢記的第一條就是dict的key必須是不可變對象。

這是因為dict根據key來計算value的存儲位置，如果每次計算相同的key得出的結果不同，那dict內部就完全混亂了。這個通過key計算位置的算法稱為哈希算法（Hash）。

要保證hash的正確性，作為key的對象就不能變。在Python中，字符串、整數等都是不可變的，因此，可以放心地作為key。而list是可變的，就不能作為key：

>>> key = [1, 2, 3] >>> d[key] = 'a list' Traceback (most recent call last): File "<stdin>", line 1, in <module> TypeError: unhashable type: 'list'

set

set和dict類似，也是一組key的集合，但不存儲value。由於key不能重復，所以，在set中，沒有重復的key。

要創建一個set，需要提供一個list作為輸入集合：

>>> s = set([1, 2, 3]) >>> s set([1, 2, 3])

注意，傳入的參數[1, 2, 3]是一個list，而顯示的set([1, 2, 3])只是告訴你這個set內部有1，2，3這3個元素，顯示的[]不表示這是一個list。

重復元素在set中自動被過濾：

>>> s = set([1, 1, 2, 2, 3, 3]) >>> s set([1, 2, 3])

通過add(key)方法可以添加元素到set中，可以重復添加，但不會有效果：

>>> s.add(4) >>> s set([1, 2, 3, 4]) >>> s.add(4) >>> s set([1, 2, 3, 4])

通過remove(key)方法可以刪除元素：

>>> s.remove(4) >>> s set([1, 2, 3])

set可以看成數學意義上的無序和無重復元素的集合，因此，兩個set可以做數學意義上的交集、並集等操作：

>>> s1 = set([1, 2, 3]) >>> s2 = set([2, 3, 4]) >>> s1 & s2 set([2, 3]) >>> s1 | s2 set([1, 2, 3, 4])

set和dict的唯一區別僅在於沒有存儲對應的value，但是，set的原理和dict一樣，所以，同樣不可以放入可變對象，因為無法判斷兩個可變對象是否相等，也就無法保證set內部“不會有重復元素”。試試把list放入set，看看是否會報錯。

以上。