搜索集合的最佳数据结构

Question

目前我收集了数十万个ID作为整数，我正在执行以下任务（假设此集合暂时存储在列表cache中）：

cache = list()
# lets say this cache is populated
for x in range(0,1000000):
    if x not in cache:
        #do_something

使用列表搜索not in某些内容对我来说有多贵？我是否会从使用其他数据结构中受益，如果是这样，哪一个最好？

Answer 1

您应该考虑使用set。虽然最坏情况下x in cache的时间复杂度仍为O（n），但平均情况为O（1）（source）。

Answer 2

如果您可以通过生成器在cache中创建数据，则可以放弃创建大约1e5的列表并节省内存。然后，您只需使用以下内容测试x not in：

desired_id = 123456
cache = some_function_to_generate_integer_ids()  # cache is a generator
print desired_id in cache

如果False不在缓存中，则会打印desired_id。