python-黑盒子

list与set的in操作

from random import randrange
L = [randrange(10000) for i in range(1000)]
S = set(L)

42 in L  # 线性级时间复杂度
42 in S  # 常数级时间复杂度

str或list的 + 操作

字符串相加:
s = ""
for i in string_producer():
    s += i
python对字符串相加做了优化，以上这段代码在扩展到一定规模之前是没有问题的，但当规模变大之后，运行时间会出现平方级的增长。
建议修改为
s_list = []
for i in string_producer():
    s_list.append(i)
s = ''.join(s_list)
或
s = ''.join(string_producer())  # 应该是string_producer是生成器表达式的时候可以这么写



列表相加:
lists = [[1, 2], [3, 4], [5, 6]]
desc_list = []
for i in lists:
    desc_list += i
以上代码的运行时间是平方级，建议修改为
desc)list = []
for i in lists:
    desc_list.extend(i)

浮点数(float)精度问题

通过有限的长度，无法完全精确的表达绝大多数实数的值。浮点运算天然就是不精确的。
sum(0.1 for i in range(10)) == 0.1  
>>> False

近似比较的话可以采用unittest中的assertAlmostEqual,其实现类似如下:
In [12]: def almost_quual(x, y, places=7):
    ...:     return round(abs(x - y), places) == 0
    ...: 

In [13]: almost_quual(sum(0.1 for i in range(10)), 1)
Out[13]: True

decimal模块提供了一定数位范围内的浮点数精确计算
In [1]: from decimal import Decimal

In [2]: sum(Decimal("0.1") for i in range(10)) == Decimal("1.0")  # 注意浮点数要写成字符串传入
Out[2]: True

通常来说，减法运算会损失大量精度
In [3]: from math import sqrt

In [4]: x = 987654321.1234

In [5]: sqrt(x + 1) - sqrt(x)  # 损失比较多精度
Out[5]: 1.5909899957478046e-05

In [6]: 1.0 / (sqrt(x + 1) + sqrt(x))  # 较精确
Out[6]: 1.5909902571576776e-05