Python中list和dict的in操作的区别

List和Dict的in操作对比

首先设计一个性能试验来验证list中检索一个值，以及dict中检索一个值的计时对比
生成包含连续值的list和包含连续关键码key的dict，用随机数来检验操作符in的耗时

import timeit
import random

for i in range(10000,1000001,20000):
	t = timeit.Timer("random.randrange(%d) in x"%i,
					 "from __main__ import random,x")
	x = list(range(i))
	lst_time = t.timeit(number=1000)
	x = {j:None for j in range(i)}
	d_time = t.timeit(number=1000)
	print("%d,%10.3f,%10.3f" % (i, lst_time, d_time))

下表是程序运行的结果

规模大小	列表搜索所用时间	字典搜索所用时间
10000	0.062	0.001
30000	0.189	0.001
50000	0.329	0.001
70000	0.440	0.001
90000	0.582	0.001
110000	0.710	0.001
130000	0.840	0.001
150000	0.951	0.001
170000	1.077	0.001
190000	1.227	0.001
210000	1.377	0.001
230000	1.499	0.001
250000	1.618	0.001
270000	1.738	0.001
290000	1.892	0.001
310000	2.055	0.001

从上表我们可以看到list的查找效率远远低于dict的效率，原因如下：

python中list对象的存储结构采用的是线性表，因此其查询复杂度为O(n)，而dict对象的存储结构采用的是散列表，其在最优情况下查询复杂度为O(1)。

散列表的基本概念：

散列表（hash table，又称哈希表）是一种数据集，其中数据项的存储方式尤其有利于将来快速的查找定位。散列表中的每一个存储位置，称为槽（slot），可以用来保存数据项，每个槽有一个唯一的名称。实现从数据项到存储槽名称的转换的，称为散列函数（hash function）。下面示例中，散列函数接受数据项作为参数，返回整数值0～10，表示数据项存储的槽号（名称）。

散列表示例：

数据项：54，26，93，17，77，31
本例中我们的散列函数是最简单的求余：

h(item)= item % 11

按照散列函数h(item)，为每个数据项计算出存放的位置之后，就可以将数据项存入相应的槽中。

Item	Hash value
54	10
26	4
93	5
17	6
77	0
31	9

要查找某个数据项是否存在于表中，我们只需要使用同一个散列函数，对查找项进行计算，测试下返回的槽号所对应的槽中是否有数据项即可，从而实现了O(1)时间复杂度的查找算法。