python数据类型的性能

python 数据类型的性能

在python语法精讲中我们讲了python基础数据类型，这里我们来讨论下python两种内置数据类型在各种操作上的时间空间复杂度。

• 列表 list
• 字典 dict

类型	list	dict
索引	自然数i	key
添加	append、extend、insert	D[key]=v
删除	pop、remove	pop
更新	ls[i] =v	D[key]=v
正查	ls[i]、ls[i:j]	D[key]、copy
反查	index(v)、count(v)	没有
其它	reverse、sort	has_key、update

列表常用操作

由于列表的随机访问特性，

• var = ls[i] 和 ls[i] = v 这两个操作的执行时间与列表大小无关，均为O(1)；
• ls.append(v)执行时间是O(1)
• ls = ls + [ls_1] 执行时间是O(n+k)

生成列表的4个方法

def test_1():
    l = []
    for i in range(1000):
        l = l + [i]

def test_2():
    l = []
    for i in range(1000):
        l.append(i)

def test_3():
    l = [i for i in range(1000)]

def test_4():
    l = list(range(1000))

使用timeit模块对函数计时

from timeit import Timer

t1 = Timer('test_1()','from __main__ import test_1')
print('concat %f s\n' % t1.timeit(number=1000))

t2 = Timer('test_2()','from __main__ import test_2')
print('append %f s\n' % t2.timeit(number=1000))

t3 = Timer('test_3()','from __main__ import test_3')
print('comprehension %f s\n' % t3.timeit(number=1000))

t4 = Timer('test_4()','from __main__ import test_4')
print('list %f s\n' % t4.timeit(number=1000))

输出结果：
concat 1.138047 s
append 0.049819 s
comprehension 0.028476 s
list 0.012456 s

列表基本操作的复杂度

操作	复杂度
index[ ]	O(1)
append	O(1)
pop	O(1)
pop(i)	O(n)
insert(i)	O(n)
sort	O(n log n)

我们可以看到pop这两种操作的复杂度差别非常的大。原因在于，从中部移除元素的话，要把移除元素后面的元素全部向前挪位复制一遍，这种方法保证列表按索引取值和赋值操作很快，是O(1)。
有兴趣的可以用上面的方法来验证一下pop指令的两种删除的操作复杂度；

ls = list(range(10000))
pop_one = timeit.Timer('ls.pop(1)', 'from __main__ import ls')
print('%f s\n' % pop_one.timeit(number=1000))
pop_end = timeit.Timer('ls.pop()', 'from __main__ import ls')
print('%f s\n' % pop_end.timeit(number=1000))

字典数据类型

字典与列表不同，字典是根据键（key）来获取数据项的。
所以字典存入数据和查找数据都是O(1)；判断是否在dict.keys()（是否在字典的键中）的操作也是O(1)复杂度。
字典中的数据的存储是无序的。

python官方的算法复杂度网站

python官方的算法复杂度https://wiki.python.org/moin/TimeComplexity