Question

在考试中，我被问到以下哪项功能最有可能跑得更快：

def f1():
    a = []
    for j in range(100000): a.append(j*j)
    for j in range(100000):
        if 99999*j == a[j]:
            print("yes")

def f3():
    d = {}
    for j in range(100000): d[j] = j*j
    for j in range(100000):
        if 99999*j in d:
            print("yes")

很明显，in和==都是O（1）。

但是，我很惊讶地看到f1跑得更快。

任何解释都将不胜感激。

Answer 1

常数成本不同。仅仅因为两个算法是O（1）并不能使它们等效。例如，字典平均只有O（1），而列表查找总是O（1）。

你需要分析差异，但你在这里做出错误的假设。 f1按列表中的索引查找元素，然后测试是否相等。 f2测试字典中的元素。但是，字典成员资格测试涉及散列和相等性测试（如果该位置有对象）。

因此，真正的区别在于哈希与列表查找。列表查找获胜，因为其成本仍为O（1），但散列可以是O（N），基于被散列对象的大小。差异解释了你看到的时间：

>>> import timeit
>>> a = [j * j for j in range(100000)]
>>> timeit.timeit('a[5000]', 'from __main__ import a', number=10**7)
0.26793562099919654
>>> timeit.timeit('_h(5000)', '_h = hash', number=10**7)
0.4080043680005474

散列的实际成本通常在所有字典成员资格查找中取平均值;连同字典的O（N）查找的可能的最坏情况，使字典查找仅平均值 O（1）。另一方面，列表查找总是O（1）。

Answer 2

很明显，in和==都是O（1）。

- 不，不是。

对于词典和集合的in的复杂性是平均O（1）和最差（具有大量冲突）直到O（N）。为了更好地理解哈希表，词组，集合等如何工作，请阅读此内容 - How are Python's Built In Dictionaries Implemented

在dict中的运行时间与==相比

2 个答案: