通过不断的测试发现,python实现高效快速比对两个列表的不同,可借助python集合set()提供的集合运算进行操作,此方式效率非常高.
而在java语言中,如下方法中方法1相比方法2(集合运算)的方式效率更高速度更快一些.这算是两种语言相通之处的一点不同吧.
代码如下:
#-*- coding:utf-8 -*- import time #方法1: def getDiff1(arr1,arr2): start_time = time.time() print('1_start:',start_time) arr_more1 = [] arr_more2 = [] dic_result = {} for str_1 in arr1: dic_result[str(str_1)] = 1 for str_2 in arr2: if dic_result.get(str(str_2)): dic_result[str(str_2)] = 2 else: arr_more2.append(str_2) for key,val in dic_result.items(): if val == 1: arr_more1.append(key) print('arr1比arr2多的内容为:',len(arr_more1)) print('arr2比arr1多的内容为:',len(arr_more2)) end_time = time.time() print('1_end:',end_time) print('方法1_比对用时为',end_time-start_time) #方法2:使用集合运算: def getDiff2(arr1,arr2): start_time = time.time() print('2_start:',start_time) set_1 = () set_2 = () #将列表转换为集合set() set_1 = set(arr1) set_2 = set(arr2) set_more1 = () set_more2 = () #集合运算 set_1_2 = set_1 & set_2 set_more1 = set_1 -set_1_2 set_more2 = set_2 -set_1_2 print('arr1比arr2多的内容为:',len(set_more1)) print('arr2比arr1多的内容为:',len(set_more2)) end_time = time.time() print('2_end:',end_time) print('方法2_比对用时为',end_time-start_time) #测试 # 初始化500w条数据数据 arr1 = [] arr2 = [] i = 0 while(True): arr1.append(i * 2) arr2.append(i * 3) i += 1 if i > 5000000: break print('arr1的长度为:',len(arr1)) print('arr2的长度为:',len(arr2)) print('+'*30) getDiff1(arr1,arr2) print('-'*30) getDiff2(arr1,arr2)
运行结果:
更多Python相关技术文章,请访问Python教程栏目进行学习!
以上是python中如何比较两个列表不同的详细内容。更多信息请关注PHP中文网其他相关文章!

Python更易学且易用,C 则更强大但复杂。1.Python语法简洁,适合初学者,动态类型和自动内存管理使其易用,但可能导致运行时错误。2.C 提供低级控制和高级特性,适合高性能应用,但学习门槛高,需手动管理内存和类型安全。

Python和C 在内存管理和控制方面的差异显着。 1.Python使用自动内存管理,基于引用计数和垃圾回收,简化了程序员的工作。 2.C 则要求手动管理内存,提供更多控制权但增加了复杂性和出错风险。选择哪种语言应基于项目需求和团队技术栈。

Python在科学计算中的应用包括数据分析、机器学习、数值模拟和可视化。1.Numpy提供高效的多维数组和数学函数。2.SciPy扩展Numpy功能,提供优化和线性代数工具。3.Pandas用于数据处理和分析。4.Matplotlib用于生成各种图表和可视化结果。

选择Python还是C 取决于项目需求:1)Python适合快速开发、数据科学和脚本编写,因其简洁语法和丰富库;2)C 适用于需要高性能和底层控制的场景,如系统编程和游戏开发,因其编译型和手动内存管理。

Python在数据科学和机器学习中的应用广泛,主要依赖于其简洁性和强大的库生态系统。1)Pandas用于数据处理和分析,2)Numpy提供高效的数值计算,3)Scikit-learn用于机器学习模型构建和优化,这些库让Python成为数据科学和机器学习的理想工具。

每天学习Python两个小时是否足够?这取决于你的目标和学习方法。1)制定清晰的学习计划,2)选择合适的学习资源和方法,3)动手实践和复习巩固,可以在这段时间内逐步掌握Python的基本知识和高级功能。

Python在Web开发中的关键应用包括使用Django和Flask框架、API开发、数据分析与可视化、机器学习与AI、以及性能优化。1.Django和Flask框架:Django适合快速开发复杂应用,Flask适用于小型或高度自定义项目。2.API开发:使用Flask或DjangoRESTFramework构建RESTfulAPI。3.数据分析与可视化:利用Python处理数据并通过Web界面展示。4.机器学习与AI:Python用于构建智能Web应用。5.性能优化:通过异步编程、缓存和代码优

Python在开发效率上优于C ,但C 在执行性能上更高。1.Python的简洁语法和丰富库提高开发效率。2.C 的编译型特性和硬件控制提升执行性能。选择时需根据项目需求权衡开发速度与执行效率。


热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

AI Hentai Generator
免费生成ai无尽的。

热门文章

热工具

SecLists
SecLists是最终安全测试人员的伙伴。它是一个包含各种类型列表的集合,这些列表在安全评估过程中经常使用,都在一个地方。SecLists通过方便地提供安全测试人员可能需要的所有列表,帮助提高安全测试的效率和生产力。列表类型包括用户名、密码、URL、模糊测试有效载荷、敏感数据模式、Web shell等等。测试人员只需将此存储库拉到新的测试机上,他就可以访问到所需的每种类型的列表。

EditPlus 中文破解版
体积小,语法高亮,不支持代码提示功能

禅工作室 13.0.1
功能强大的PHP集成开发环境

SublimeText3 英文版
推荐:为Win版本,支持代码提示!

PhpStorm Mac 版本
最新(2018.2.1 )专业的PHP集成开发工具