Python基础:字典(dict)与集合(set)

查找场景下与列表的性能对比 

　　字典与集合之所以高效的原因是：内部结构都是一张哈希表。

　　平均情况下插入、查找和删除的时间复杂度为 O(1).

　　假设有数量100,000的产品列表：

import time
id = [x for x in range(0, 100000)]
price = [x for x in range(200000, 300000)]
products = list(zip(id, price))
#products
# [(0, 200000), (1, 200001)....(99999, 299999)]

　　要统计出总共有多少种不同的价格，分别用列表list与集合set来作为存储的数据结构，来对比下性能。

　　用列表作为数据结构:

# # 计算列表版本的时间

# list version
def find_unique_price_using_list(products):
    unique_price_list = []
    for _, price in products: # A
        if price not in unique_price_list: #B
            unique_price_list.append(price)
    return len(unique_price_list)

start_using_list = time.perf_counter()
find_unique_price_using_list(products)
end_using_list = time.perf_counter()
print("time elapse using list: {}".format(end_using_list - start_using_list))
#time elapse using list: 53.206719899999996

　　用集合作为数据结构：

# # 计算集合版本的时间
# set version
def find_unique_price_using_set(products):
    unique_price_set = set()
    for _, price in products:
        unique_price_set.add(price)
    return len(unique_price_set)     

start_using_set = time.perf_counter()
find_unique_price_using_set(products)
end_using_set = time.perf_counter()
print("time elapse using set: {}".format(end_using_set - start_using_set))
#time elapse using set: 0.009022799999996778

　　从结果可以看出，性能差异非常大，使用合适的数据结构非常重要。

Dict与Set基础

1. 集合不支持索引操作
2. 判断元素是否在dict/set中用 in 操作符

dict1 = {'a':1,'b':2}
print('a' in dict1) #True
print(1 in dict1)   #False
set1 = {'a','b','c'}
print(1 in set1)   #False
print('b' in set1) #True

　　3.集合的pop()方法是随机返回一个元素，并把集合中的该元素删除

　　4.集合与字典的排序

#字典排序
d = {'b': 1, 'a': 2, 'c': 10}
d_sorted_by_key = sorted(d.items(), key=lambda x: x[0]) # 根据字典键的升序排序
d_sorted_by_value = sorted(d.items(), key=lambda x: x[1]) # 根据字典值的升序排序
d_sorted_by_key
[('a', 2), ('b', 1), ('c', 10)]
d_sorted_by_value
[('b', 1), ('a', 2), ('c', 10)]

#集合排序
s = {3, 4, 2, 1}
sorted(s) # 对集合的元素进行升序排序
[1, 2, 3, 4]

　参考资料：

　极客时间《Python核心技术与实战》专栏