python - 检查字典中的成员资格与 python 中的集合

Question

似乎检查 dict keys as set 有点快:

import random
import string
import timeit

repeat = 3
numbers = 1000

def time(statement, _setup=None):
    print min(
        timeit.Timer(statement, setup=_setup or setup).repeat(
            repeat, numbers))

random.seed('slartibartfast')

# Integers
length = 100000
d = {}
for _ in range(length):
    d[random.randint(0, 10000000)] = 0
s = set(d)

setup = """from __main__ import s, d, length
"""

time('for i in xrange(length): check = i in d')
time('for i in xrange(length): check = i in s')

# Strings
d = {}
for _ in range(length):
    d[''.join(random.choice(string.ascii_uppercase) for __ in range(16))] = 0
s = set(d)

test_strings= []
for _ in range(length):
    test_strings.append(random.choice(string.ascii_uppercase) for __ in range(16))

setup = """from __main__ import s, d, length, test_strings
"""

time('for i in test_strings: check = i in d')
time('for i in test_strings: check = i in s')

打印类似的东西:

10.1242966769
9.73939713014
10.5156763102
10.2767765061

这是意料之中的还是随机的？

想知道是否值得在性能密集型代码中为字典键创建集合。

编辑:我的测量真的让我对底层实现感到好奇，我不是想节省微秒，我只是好奇 - 是的，如果事实证明底层实现真的有利于集合，我可以制作一组那些字典键 -或不(我实际上是在修补遗留代码)。

Answer 1

老实说，这在很大程度上取决于硬件、操作系统和数据大小/限制。通常，在您获得非常大的数据量之前，性能几乎是相同的。请注意此处的一些运行，其中 dict 的性能稍微好一些。在较大的数据结构大小下，内部实现细节开始主导差异，并且在我的机器上 set 往往表现得更好。

现实情况是，在大多数情况下，delta 并不重要。如果您真的想要更好的查找性能，请考虑使用 cython 或 ctypes 转向 C 级操作，或者使用专为更大数据大小设计的库实现。当元素数超过几百万时，Python 基本类型并不意味着性能。

>>> # With empty dict as setup in question
>>> time('for i in xrange(length): check = i in d')
2.83035111427
>>> time('for i in xrange(length): check = i in s')
2.87069892883
>>> d = { random.random(): None for _ in xrange(100000) }
>>> s = set(d)
>>> time('for i in xrange(length): check = i in d')
3.84766697884
>>> time('for i in xrange(length): check = i in s')
3.97955989838
>>> d = { random.randint(0, 1000000000): None for _ in xrange(100000) }
>>> s = set(d)
>>> time('for i in xrange(length): check = i in d')
3.96871709824
>>> time('for i in xrange(length): check = i in s')
3.62110710144
>>> d = { random.randint(0, 1000000000): None for _ in xrange(10000000) }
>>> s = set(d)
>>> time('for i in xrange(length): check = i in d')
10.6934559345
>>> time('for i in xrange(length): check = i in s')
5.7491569519