Question

我想知道我是否应该将我的数据结构作为集合或列表。大多数情况下我会设置操作，但最后我需要对其进行排序。

我想知道我是否应首先将集合设为列表，然后使用sorted(list(my_set))，或者只是立即对集合sorted(my_set)进行排序。可以说，我可能会考虑一个通用的“列表”阶段，因为在那个时间点有一个有序的可迭代可能有意义。

所以我决定测试它，希望列表更快。

基准：

import time
def sorter(x):
    t1 = time.time()
    for i in range(1000000):
        sorted(x)
    return time.time() - t1

数据：

one = range(1000)
a1 = list(one)
b1 = set(one)
sorter(a1)
# time: 16.5 s 
sorter(b1)
# time: 20.7 s

然后我意识到它可能与这些元素已经到位的事实有关，并且记住了this amazing question & answer。

然后，我尝试了一些随机数据：

two = numpy.random.randint(1, 1000, 1000)
a2 = list(two)
b2 = set(two)

结果：

sorter(a2)
# time: 4min 49s
sorter(b2)
# time: 18.9 s

巨大的差异，发生了什么？

奖励：它甚至出现在一分钟的时间，sorted(set(a_list))比sorted(a_list)快得多。

确实在第二种情况下，可能存在重复的过滤，从而加快排序。

Answer 1

我对您的代码进行了一些扩展，希望这能让您深入了解正在发生的事情：

import numpy
import uuid
import random
import time

def sorter(x):
    t1 = time.time()
    for i in range(10000):
        sorted(x)
    return time.time() - t1

def pr(name, x):
    print('sorter {:<12s} {:<11} (length {:>4})'.format(
        name, '{:.8}'.format(sorter(x)), len(x)))

a2sizes = []
b2sizes = []

for x in range(1000):
    two = numpy.random.randint(1, 1000, 1000)
    a2 = list(two)
    b2 = set(two)
    a2sizes.append(len(a2))
    b2sizes.append(len(b2))

print 'average number of elements in a2', sum(a2sizes)/len(a2sizes)
n = sum(b2sizes)/len(b2sizes)
print 'average number of elements in b2', n

打印出来：

average number of elements in a2 1000
average number of elements in b2 632

这是因为随机数范围内的碰撞

print
pr('a2', a2)
# making a list of set gives you already sorted elements
y = list(b2)
pr('y', y)
random.shuffle(y)
pr('shuffled y ', y)
pr('b2', b2)

作为输出：

sorter a2           2.492537    (length 1000)
sorter b2           0.25028086  (length  633)
sorter y            0.19689608  (length  633)
sorter shuffled y   1.4935901   (length  633)

b2会更快，因为逻辑上有更少的元素，但如果你首先列出一个集合必须有一些原因，那就更快了。如果你洗牌那个列表再次合乎逻辑，那么它再次是合乎逻辑的，并且当补偿列表的长度时，洗牌的结果非常接近a2的结果。

因此，我们尝试在列表中添加其他内容：

b3 = set()
for x in range(1000):
    b3.add(uuid.uuid4())

print '\nuuid elements', len(b3)

a3 = list(b3)
pr('a3', a3)
random.shuffle(a3)
pr('shuffled a3', a3)
pr('b3', b3)

给出（我会对少于1000个元素感到惊讶）：

uuid elements 1000
sorter a3           32.437758   (length 1000)
sorter shuffled a3  32.178433   (length 1000)
sorter b3           32.163802   (length 1000)

所以它必须与集合中的数字有关：

previous = -1
ordered = True
for popped in b2:
    if popped < previous:
        print 'popped', popped, previous
        ordered = False
    previous = popped

print '\nOrdered', ordered

给你：

Ordered True

set具有pop()功能，而不是迭代，您可以尝试使用：

pop（）方法

从集合中删除并返回任意元素。如果集合为空，则引发KeyError。

因此，让任意从集b2中检索元素并查看是否有特殊内容：

previous = -1
ordered = True
while(b2):
    popped = b2.pop()
    if popped < previous:
        print 'popped', popped, previous
        ordered = False
    previous = popped

print '\nOrdered', ordered

给出了相同的结果：

Ordered True

因此，任意检索一组数字的元素按顺序检索这些数字，独立于这些数字的排序方式。由于迭代是列表制作一次检索元素以附加到列表的方式，list(b2)的结果是一个有序列表，并使用Python中使用的Timsort算法快速排序

在Python中排序集合与排序列表之间的时序差异很大

1 个答案: