python字典主要方法及内容

摘自书中引言

python 中第二个主要的数据结构是字典。你可能记得，字典和列表不同，你可以通过键而不是位置来访问字典中的项目。在本书的后面，你会看到有很多方法来实现字典。字典的 get和 set 操作都是 O(1)。另一个重要的操作是 contains，检查一个键是否在字典中也是 O(1)。所有字典操作的效率总结在 Table 中。关于字典性能的一个重要方面是，我们在表中提供的效率是针对平均性能。 在一些罕见的情况下，contains，get item 和 set item 操作可以退化为O(n)。

list和Dict的contains性能对比

尽管容器的大小在一直增加，字典的耗时依旧很小，而数组耗时线性增加

code

list_nlogn = []
dict_nlogn = []

list_c = Timer("test_list.__contains__(i-1)", "from __main__ import test_list,i")
dict_c = Timer("test_dict.__contains__(i-1)", "from __main__ import test_dict,i")

x = list(range(100,4000,100))

for i in x:
    test_list = list(range(i))
    list_nlogn.append(list_c.timeit(number = 100))
    test_dict = {j:None for j in range(i)}
    dict_nlogn.append(dict_c.timeit(number = 100))

plt.plot(x, list_nlogn,marker='o',label='list_nlogn')
plt.plot(x, dict_nlogn,marker='o',label='dict_nlogn')

plt.legend()  # 让图例生效
plt.xlabel('n size')  # X轴标签
plt.ylabel("time use")  # Y轴标签

plt.show()

由于 Python 是一种不断发展的语言，底层总是有变化的。 有关 Python 数据结构性能的最新信息可以在 Python 网站上找到。

https://wiki.python.org/moin/TimeComplexity

__contains__

 

虽然list和dict都包含__contains__方法，但是两种方法的时间消耗有着巨大差异，list的contains方法获取的是list内的元素，而dict获取的是键，而不是键对应的值，可能python在构建字典时会对键的查找进行优化，就像list的索引对于一个值，而字典的一个键对应一个值。对上述代码做出改动：

list_c = Timer("test_list[i-1]", "from __main__ import test_list,i")
dict_c = Timer("test_dict[i-1]", "from __main__ import test_dict,i")

可以看到性能基本是同步的，而且是平稳线性的，说明列表的索引和字典的键有异曲同工之处。