Python列表和集合的效率對比

程式運作效率

程式的運作效率分為兩種：第一種是時間效率，第二種是空間效率。時間效率稱為時間複雜度，而空間效率被稱為空間複雜度。時間複雜度主要衡量的是一個程式的運行速度，而空間複雜度則主要衡量一個程式所需的額外儲存空間。

一個程式執行所耗費的時間，從理論上說，是不能算出來的，只有你把程式放在機器上跑起來，才能知道，不同機器不同時間得出的結果可能不一樣。但是我們需要每個程式都上機測試嗎？顯然不現實，所以才有了時間複雜度這個分析方式。實際中我們計算時間複雜度時，其實不一定要計算精確的執行次數，而只需要大概執行次數，一般會使用大O漸進表示法，平時執行次數為1次的我們就可以說時間複雜度是O(1)，需要n次的就可以說時間複雜度是O(n)。

空間複雜度是對演算法在運作過程中暫時佔用儲存空間大小的量度。空間複雜度不是程式佔用了多少個位元組的空間，因為這個實際運行過程中很難計算，所以空間複雜度算的是變數的個數。空間複雜度計算規則基本上跟時間複雜度類似，也使用大O漸進表示法。

Python組合資料類型中常用的主要有元組、列表、集合和字典，每種資料類型不同操作的時間複雜度可以參考Python的官方鏈接，網頁中有詳細的說明，

• https://wiki.python.org/moin/TimeComplexity

元組和列表都屬於序列類型，他們儲存機制基本上一致；集合和字典也基本上相同，唯一的差別就是集合每個元素沒有對應的值。接下來我們以集合和清單為例看看他們的查找效率和儲存開銷。

資料查找效率

關於集合和清單資料查找效率差距到底有多大？先看一組實例：

import time
import random
nums = [random.randint(0, 2000000) for i in range(1000)]
list_test = list(range(1000000))
set_test = set(list_test)
count_list, count_set = 0, 0
t1 = time.time()# 测试在列表中进行查找
for num in nums:
 if num in list_test:
 count_list += 1
t2 = time.time()
for num in nums:# 测试在集合中进行查找
 if num in set_test:
 count_set += 1
t3 = time.time()# 测试在集合中进行查找
print('找到个数，列表：{}，集合：{}'.format(count_list, count_set))
print('使用时间，列表：{:.4f}s'.format(t2 - t1))
print('使用时间，集合：{:.4f}s'.format(t3 - t2))

輸出結果為：

找到个数，列表：515，集合：515
使用时间，列表：7.7953s
使用时间，集合：0.0010s

從上面例子可以清楚地看出，集合的查找效率遠高於列表，因此在不同的應用場景下，一定要選擇合適的資料類型，在小資料量下看不出來效能區別，一旦換到大數據量下，就會變得差異性很大。

資料儲存開銷

集合的查找效率比列表要快得多，主要是他們的儲存原理不一樣，集合需要消耗更多的空間來儲存額外的信息，用空間開銷來換時間效率，接下來我們透過getsizeof()函數看看他們儲存開銷的差異，getiszeof()函數是python的sys模組中用來取得物件記憶體大小的函數，傳回的大小以位元組為單位。

import sys
import random
list_test = list(range(1000000))
set_test = set(range(1000000))
print('列表占用大小：', sys.getsizeof(list_test))
print('集合占用大小：', sys.getsizeof(set_test))

輸出結果為：

列表占用大小：9000112
集合占用大小：33554656

從結果可以看出，同樣的資料內容，集合儲存的開銷是清單的好幾倍。

以上是Python列表和集合的效率對比的詳細內容。更多資訊請關注PHP中文網其他相關文章！