Python3中`in操作`在列表，字典，集合中的速度对比2（改进版）

Python3中in操作在列表，字典，集合中的速度对比2（改进版）

Python3中"in操作(x in X)"在列表list，字典dict，集合set，np.array 中的速度对比2（改进版）

我的原始文章链接：原始文章

上一个 实例(–>click传送门) 的对比不是很明显，主要是用单个元素在一个大空间内查找，太浪费资源了。
在这基础上，思考了一下，为何不用事先定义好的每一个元素就地查找呢。

改进版：

结论：集合和字典查找最快，其次为np.array，最慢的是list和tuple
运行结果：

代码：

# 对比某个元素在"列表/元组/字典/集合"的查找速度
# 结论：对于x in X的操作，集合字典在查找速度上有明显优势
import datetime
import numpy as np
import matplotlib.pyplot as mp
from collections import OrderedDict


def f(xx):
    t0 = datetime.datetime.now()
    for i in L:
        if i in xx:
            continue
    t1 = datetime.datetime.now()
    print('-->', type(xx), '遍历结束，耗时%s秒' % ((t1 - t0).total_seconds()))
    return (t1 - t0).total_seconds()


X, y = [], []
n = 5*10**4
L_all = np.arange(0, n)
for x in range(0, n+1, 10000):
    print('nx', x)
    L = L_all[:x+1]
    L_result = []
    L_result.append(f(L))
    L_result.append(f(list(L)))
    L_result.append(f(tuple(L)))
    L_result.append(f(set(L)))
    L_result.append(f(dict(zip(L, [None] * len(L)))))
    L_result.append(f(OrderedDict(zip(L, [None] * len(L)))))
    X.append(x)
    y.append(L_result)

mp.title('speed test', fontsize=20)
mp.xlabel('Num', fontsize=12)
mp.ylabel('Time(s)', fontsize=12)
for y, lable, colors in zip(
        (np.array(y)).T,
        ['np.array', 'list', 'tuple', 'set', 'dict', 'Orderdict'],
        ['green', 'red', 'blue', 'orange', 'yellow', 'pink']):
    mp.plot(X, y, linestyle='-', label=lable, color=colors)
    mp.scatter(X, y,
               marker='o',  # 点型 ~ matplotlib.markers
               s=60,  # 大小
               edgecolor=colors,  # 边缘色
               facecolor='white',  # 填充色
               zorder=3  # 绘制图层编号 （编号越大，图层越靠上）
               )
mp.legend()
mp.show()

最后

以上就是幸福小猫咪为你收集整理的Python3中`in操作`在列表，字典，集合中的速度对比2（改进版）的全部内容，希望文章能够帮你解决Python3中`in操作`在列表，字典，集合中的速度对比2（改进版）所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。