key python_Python是'key in dict'不同于'key in dict.keys（）'

简短回答：在python 2中：您的假设是正确的：dict.keys()速度减慢。

在python 3中：您的假设不正确：in dict.keys()的执行方式类似于in dict

下面是py2和py3的详细信息。

Python 2.7答案：

您的假设是正确的，原因如下：dict.keys()涉及额外的函数调用(堆栈开销)。

dict.keys()返回一个列表，其中包含内存中的所有键(与惰性生成器对象相反)。因此它需要分配内存。

key in dict可以在内部使用set对象，这是索引查找。key in dict.keys()是列表中的线性搜索

我创建了一个小的benckmark脚本来表明我的观点：#! /usr/bin/python2.7

import datetime as dt

import random

dict_size = 1000000

num_iterations = 100

d = {i: i for i in xrange(dict_size)}

def f():

k = random.randint(0,dict_size-1)

return (k in d)

def g():

k = random.randint(0,dict_size-1)

return (k in d.keys())

def test(func):

t = dt.datetime.utcnow()

for i in xrange(num_iterations):

func()

print "%s --> %1.6f s" % (func, (dt.datetime.utcnow()-t).total_seconds())

test(f)

test(g)

输出(python 2.7.6 Ubuntu 14.04)： --> 0.000598 s

--> 5.191553 s

我还测试了迭代次数和交换的dict大小(dict只有100个条目，一百万次迭代)。 --> 3.614162 s

--> 7.007922 s

这里的结果更接近。

因此，性能差异确实随着dict的大小而增大

Python 3答案：

我改编了python 3的脚本：xrange已不存在，请改用range。(不在测试功能的性能关键内环中，因此对性能的影响有限)

对print使用大括号

将沙邦线改为#!/usr/bin/python3

并在同一台机器上用Python3.4.3进行了测试。dict_size=1000000；num_iterations=100

f--&gt；0.000590秒

g--&gt；0.000565秒

dict_size=100；num_iterations=1000000

f--&gt；4.525487秒

g--&gt；4.837232秒

所以在python 3中，性能差异消失了。