python中集合(Set)和列表(List)性能比较

引言

在当今的软件开发过程中，Python 已经成为了一种极为流行的编程语言，得益于其简洁的语法和强大的库支持。在 Python 中，列表（List）和集合（Set）是两种基本的数据结构，它们在处理数据集时扮演着至关重要的角色。列表以有序的方式存储元素，而集合则提供了无序且不重复的元素存储能力。尽管它们在日常编程中被广泛使用，但在性能上，这两种数据结构表现出了显著的差异，尤其是在元素查找、数据去重等操作中。本文旨在通过实验，比较 List 和 Set 在不同操作下的性能表现，揭示它们在实际应用中的最佳使用场景。

1. Set和List

列表（List）是一种可变的序列，能够存储不同类型的值，包括数字、字符串、甚至其他列表。列表是有序的集合，意味着每个元素都有一个确定的位置，并且可以通过索引来访问。

集合（Set）用于存储唯一的元素，即集合中的元素不会重复。和列表不同，集合是无序的，这意味着集合中的元素没有固定的顺序。

2. 性能对比

由于列表和集合的数据结构上的差异，就注定二者在性能上是存在差异的，本研究探讨二者在运行速度上的差异。

import timeit
import matplotlib.pyplot as plt
import numpy as np

# 准备测试数据
sizes = [10, 100, 1000, 10000, 100000]  # 定义不同大小的数据集
list_times = []  # 用于存储列表操作的时间
set_times = []  # 用于存储集合操作的时间

for size in sizes:
    # 为每个大小生成一个列表和一个集合，包含从0到size-1的整数
    test_list = list(range(size))
    test_set = set(range(size))
    
    # 生成一个不存在于列表和集合中的测试值
    test_value = size + 1
    
    # 测量在列表中查找测试值的时间
    list_time = timeit.timeit(lambda: test_value in test_list, number=1000)
    list_times.append(list_time)
    
    # 测量在集合中查找测试值的时间
    set_time = timeit.timeit(lambda: test_value in test_set, number=1000)
    set_times.append(set_time)

# 绘制结果
plt.figure(figsize=(10, 6))
plt.plot(sizes, list_times, label='List', marker='o')  # 绘制列表查找时间
plt.plot(sizes, set_times, label='Set', marker='s')  # 绘制集合查找时间
plt.xscale('log')  # 将x轴设置为对数尺度
plt.yscale('log')  # 将y轴设置为对数尺度
plt.xlabel('Number of Elements')  # x轴标签
plt.ylabel('Time (seconds)')  # y轴标签
plt.title('List vs Set Performance Comparison')  # 图表标题
plt.legend()  # 显示图例
plt.grid(True, which="both", ls="--")  # 显示网格
plt.show()  # 显示图表

上述代码展示了我们分别在列表和集合中存储相同的数据，然后去查找一个不存在于列表和集合中的数据，测试在列表和集合进行查找分别所需要花费的时间。

测试结果可视化如下：

很明显，在Set中的查询时间是低于在List中查询的时间的。特别是随着数据量的增大，这种差距尤为明显。

3. 总结

• List (list): Python中的列表是一个有序的元素集合，支持元素的重复出现。列表的搜索操作（例如，检查一个元素是否存在于列表中）是通过遍历整个列表来完成的，这是一个时间复杂度为 O(n) 的操作，其中n是列表的长度。同样，列表中的某些操作（如插入、删除等）也可能需要O(n)的时间复杂度，因为它们可能需要移动列表中的元素。
• Set (set): Python中的集合是一个无序的、不包含重复元素的集合。它基于哈希表实现，因此可以非常快速地进行查找、添加和删除操作。特别是，检查一个元素是否存在于集合中，以及添加和删除操作，通常具有平均时间复杂度为 O(1)。然而，这种效率是以牺牲有序性和不允许重复元素为代价的。