Python 哪个更快？为什么？集合还是列表？

假设我有一个图，想看看N[a]中的

b。哪种实现更快？为什么

a, b = range(2)
N = [set([b]), set([a,b])]

或

这显然过于简单了，但想象一下，图形变得非常密集。
在一个集合中进行成员资格测试要快得多，特别是对于大型集合。这是因为集合使用映射到bucket。由于Python实现会自动调整该哈希表的大小，因此无论集合大小如何（假设哈希函数足够好），速度都可以保持不变（）

相反，为了评估一个对象是否是列表的成员，Python必须比较每个成员是否相等，即测试是
O（n）
集（我的意思是像HashSet这样基于散列的集）比列表查找值快得多。列表必须按顺序进行，以确定该值是否存在。HashSet可以直接跳转并定位bucket，几乎在一个固定的时间内查找一个值
 这完全取决于你想要完成什么。使用您的示例逐字记录，使用列表会更快，因为您不必经历创建集合的开销：

import timeit

def use_sets(a, b):
    return [set([b]), set([a, b])]

def use_lists(a, b):
    return [[b], [a, b]]

t=timeit.Timer("use_sets(a, b)", """from __main__ import use_sets
a, b = range(2)""")
print "use_sets()", t.timeit(number=1000000)

t=timeit.Timer("use_lists(a, b)", """from __main__ import use_lists
a, b = range(2)""")
print "use_lists()", t.timeit(number=1000000)

产生：

use_sets() 1.57522511482
use_lists() 0.783344984055

但是，由于前面提到的原因，在搜索大型集合时使用集合会使您受益匪浅。通过你的例子，你不可能知道拐点在哪里，你是否会看到好处

我建议您对它进行双向测试，并针对您的特定用例使用更快的方法。
请告诉我。还值得指出的是，OP在第一个示例中有一个列表列表，在第二个示例中有一个集合列表。因为在这两种情况下，外部容器都是一个列表，所以在这两种情况下，搜索都是O（n）。Python集是动态调整大小的哈希表，所以不管项目的数量如何，都会得到O（1）的摊销@g、 d.d.c OP询问关于容器列表中单个项目（
b in N[a]
）的成员资格测试，即
N
，因此不，这两种情况都不是O（N）。@delnan你是对的，
O（1）
（+notes）是比
O（logn）
（-notes）更好的描述。@phihag O（1）不仅仅比O（logn）好：O（1）正确，O（logn）不是。@NedBatchelder:事实上，如果你查阅数学定义，你会发现O（logn）是正确的，只要O（1）是常数，它也有logn的边界。所以O（1）比O（logn）更好。
use_sets() 1.57522511482
use_lists() 0.783344984055