Question

我有一个包含URL的大型数组（它可以包含10万个URL字符串），我想知道我的实际URL是否是数组中的URL之一。为此，我必须将实际的URL字符串与数组中的所有URL字符串进行比较。有没有办法比较这个大阵列，但比我现在的时间少？现在它是：

error = 0
for oldUrl in urlList:
    error = 1 if oldUrl == actualUrl else error

Answer 1

要检查list是否包含item，请使用：item in list。

所以，你可以写：

error = oldUrl in urlList

Answer 2

正如@Laurent和@sisanared已经提到的，您可以使用in运算符来lists或sets来检查成员身份。例如：

found = x in some_list
if found: 
    #do stuff
else:
    #other stuff

但是，你提到速度是一个问题。如果sets已存在，则TL; DR - set会更快。从https://wiki.python.org/moin/TimeComplexity开始，使用in运算符检查成员资格为list的O（n）和set的O（1）（如@enderland所指出）。

对于100,000件物品，或者只进行一次性检查，它可能并没有太大的差别，但是对于大量的物品或者您要进行多次检查的情况，您应该使用set。我从解释器做了几个测试，这是我发现的（Python 2.7，i3 Windows 10 64bit）：

import timeit
#Case 1: Timing includes building the list/set
def build_and_check_a_list(n):
    a_list = [ '/'.join( ('http:stackoverflow.com',str(i)) ) for i in xrange(1,n+1) ]
    check = '/'.join( ('http:stackoverflow.com',str(n)) )
    found = check in a_list
    return (a_list, found)

def build_and_check_a_set(n):
    a_set = set( [ '/'.join( ('http:stackoverflow.com',str(i)) ) for i in xrange(1,n+1) ] )
    check = '/'.join( ('http:stackoverflow.com',str(n)) )
    found = check in a_set
    return (a_set, found)

timeit.timeit('a_list, found = build_and_check_a_list(100000)', 'from __main__ import build_and_check_a_list', number=50)
3.211972302022332

timeit.timeit('a_set, found = build_and_check_a_set(100000)', 'from __main__ import build_and_check_a_set', number=50)
4.5497120006930345

#Case 2: The list/set already exists (timing excludes list/set creation)
check = '/'.join( ('http:stackoverflow.com',str(100000)) )

timeit.timeit('found = check in a_list', 'from __main__ import a_list, check', number=50)
0.12173540635194513

timeit.timeit('found = check in a_set', 'from __main__ import a_set, check', number=50)
1.01052391983103e-05

对于100万个条目，要在我的计算机上构建和/或检查成员资格：

#Case 1: list/set creation included
timeit.timeit('a_list, found = build_and_check_a_list(1000000)', 'from __main__ import build_and_check_a_list', number=50)
35.71641090788398

timeit.timeit('a_set, found = build_and_check_a_set(1000000)', 'from __main__ import build_and_check_a_set', number=50)
51.41244436103625

#Case 2: list/set already exists
check = '/'.join( ('http:stackoverflow.com',str(1000000)) )

timeit.timeit('found = check in a_list', 'from __main__ import a_list, check', number=50)
1.3113457772124093

timeit.timeit('found = check in a_set', 'from __main__ import a_set, check', number=50)
8.180430086213164e-06

Answer 3

请勿使用此列表。列表中的查找具有O（n）的最坏情况复杂度。

使用集合（或字典，如果您有其他元数据）。这有一个大致为O（1）的查找。有关集合，字典和列表之间的比较，请参阅here。

使用集合，查找很简单：

urls = set(['url1', 'url2', 'url3'])

print ('url2' in urls)
print ('foobar' in urls)

或者在您的情况下，将列表对象转换为集合：

urlListSet = set(urlList)
print(oldUrl in urlListSet)

您还可以在设置中添加新网址：

urlListSet.add(newurl)
urlListSet.update(listOfNewUrls)

Python大数组比较

3 个答案: