Python 嵌套字典的查找时间是如何增加的？

有人能评论一下，随着我们对词典的进一步“嵌套”，词典的复杂性是如何增加的吗

例如，当我添加一个元素时，如下所示：

dict_name[a][b][c][d] = 0

我认为任何字典的查找时间都应该是相同的（常数时间O（1）），但是如果我添加这样的元素，它会有显著的变化吗

dict_name[a][b][c]....[z]

---

Python的字典实现不会随着嵌套而改变，因此查找的算法复杂性不会改变。就Python而言，每个

[key]

订阅都独立于您订阅的对象的来源

每个查找仍然是O（1）。然后，查找嵌套元素是深度乘以O（1）查找。因为您硬编码了深度（通过使用文字符号），所以仍然是O（1），作为一个常量乘数，不会影响Big-O复杂性

dict_name[a][b][c][d] = 0

这基本上与以下内容相同

temp_a = dict_name[a]
temp_b = temp_a[b]
temp_c = temp_b[c]
temp_c[d] = 0

所以你只需要进行三次查找，从一个字典中得到一个对象，而这个字典恰好是另一个字典。然后，在最后一步，你做一个字典作业

同样，字典查找平均占用所有的固定时间，所以这四个操作本身都是O（1）。加起来，得到4×O（1），仍然是O（1）（因为常数因子对大O不重要）

---

如果你现在增加嵌套的深度，你得到的只是更多的

temp_y=temp_x[k]

行，这也是固定时间。因此，在k×O（1）中，只增加系数

k

。如前所述，只要

k

是常数，这个因子对于大O来说并不重要，所以不管嵌套深度如何，你都会保持恒定的时间。

你是否意识到维度26的数组将容纳至少2^26=67108864个不同的字典（假设每个维度允许2个不同的值；2541865828329字典允许每个维度3个值，这远远超出了PC的处理能力）？您似乎还没有理解

O（1）

的概念。如果您执行

O（1）

操作一定次数，您仍然会得到

O（1）

所以答案解释了为什么常量元素不重要（除了它是重要的）。@YvesDaoust感谢您澄清这一点。我很好奇嵌套字典会对时间和内存产生什么影响：）