• Python的Set和List的性能比较 + 两者之间的转换


    在Twitter上看到日本友人@IanMLewis的一条推,测试了下python中Set和List的性能差距,真是不测不知道一测吓一跳,差距能有数百倍 –!

    他的原文地址在这里:Pythonのセットがすごい。翻译成中文如下:

    本来是知道在Python中使用Set是比较高效,但是没想到竟然有这么大的差距:

    ~$ python -m timeit -n 1000 "[x for x in range(1000) if x in range(500, 1500)]"

    1000 loops, best of 3: 28.2 msec per loop

    ~$ python -m timeit -n 1000 "set(range(1000)).intersection(range(500, 1500))"

    1000 loops, best of 3: 120 usec per loop

    List 大概用了Set的225倍的时间。List转Set基本用不了什么时间,所以如果有需要求(集合,列表等)的并集和交集的时候,最好使用Set。

    【更新】

    考虑到range(500, 1500) 调用了1000次(会比较耗时),改成只调用一次的话,时间从28.2msec降到了18.2msec。仍然要(比Set)慢大概150倍。

    ~$  python -m timeit -n 1000 "range1500=range(500, 1500);[x for x in range(1000) if x in range1500]"

    ---------------------------------------------------------------------------------------
    set转成list方法如下:                                                     list转成set方法如下:
    s = set('12342212')                                                       l = ['12342212']
    print s    # set(['1', '3', '2', '4'])                                       s = set(l[0])
    l = list(s)                                                                         print s    # set(['1', '3', '2', '4'])
    l.sort()    # 排序                                                             m = ['11','22','33','44','11','22']
    print l    # ['1', '2', '3', '4']                                               print set(m)    # set(['11', '33', '44', '22'])

    可见set和lsit可以自由转换,在删除list中多个/海量重复元素时,可以先转换成set,然后再转回list并排序(set没有排序)。此种方法不仅方便且效率较高


    作者:呆头龙
    出处:http://www.cnblogs.com/waniu/
    本文版权归作者和博客园共有,欢迎转载,但未经作者同意必须保留此段声明,且在文章页面明显位置给出原文连接,否则保留追究法律责任的权利。
    该文章也同时发布在我的独立博客中-呆头龙
    欢迎园友讨论下自己的见解,及推荐更好资料。
    本文如对读者有帮助,还请多帮 下此文。
    谢谢!!! 

  • 相关阅读:
    vscode json格式化
    fastjson autoType is not support
    springboot 使用 fastjson序列化
    openfeign 超时到底怎么配
    datax数据同步
    记录接口返回请求时间已过期
    oracle迁移mysql总结
    redistemplate封装
    SCUI学习笔记—【NODE.JS安装】
    原创:uniApp选择题列表:点击不同选择题,答案缓存在本地
  • 原文地址:https://www.cnblogs.com/waniu/p/2981444.html
Copyright © 2020-2023  润新知