下面是相同的timeit试验示例:
>>> import timeit
>>> setup = """
... from random import randint
... rand_list = [randint(0,10) for i in range(0,10000)]
... """
>>> timeit.Timer('list(set(rand_list))', setup=setup).repeat(5, 1000)
[0.17256593704223633, 0.17117094993591309, 0.17115998268127441, 0.17191100120544434, 0.17226791381835938]
>>> timeit.Timer('{ x:True for x in rand_list}.keys()', setup=setup).repeat(5, 1000)
[0.4490840435028076, 0.44455599784851074, 0.442918062210083, 0.4430229663848877, 0.44559407234191895]
可以看到,list(set(MY_LIST))方法大约比dictionary方法快2.5倍,对于较小的列表或较大的列表,结果是相似的。
谁能解释一下为什么会这样,也就是说,这两个步骤的执行在时间复杂度方面的功能差异?
在字典理解的第二个测试中运行一个包含10000个条目的Python循环;
你可以试试dict.fromkeys()
:
dict.fromkeys(rand_list).keys()
从rand_list
的值创建一个字典,所有的值都设置为None
。
这只是稍微慢了一点:
>>> import timeit
>>> from random import randint
>>> rand_list = [randint(0,10) for i in range(0,10000)]
>>> timeit.Timer('list(set(rand_list))', setup='from __main__ import rand_list').repeat(5, 1000)
[0.1437511444091797, 0.13837504386901855, 0.13841795921325684, 0.1395130157470703, 0.1474599838256836]
>>> timeit.Timer('dict.fromkeys(rand_list).keys()', setup='from __main__ import rand_list').repeat(5, 1000)
[0.18216991424560547, 0.17930316925048828, 0.18064308166503906, 0.17971301078796387, 0.17820501327514648]
这是意料之中的;一个dict()
稍微更多的工作,因为你跟踪键和值,而不是仅仅在一个集合中的键。