Python是'；输入dict'；与'不同/更快；输入dict.keys（）'；

直觉上，我认为

键入dict

比

键入dict.keys（）

快，因为

键入dict.keys（）

创建了一个键列表。这个问题是为了确认这是否属实

只是想知道

key in dict

是否在内部创建/使用一个列表来查找该键是否存在

---

另外，一种方法比另一种快吗？

简短回答：

• 在python 2中：您的假设是正确的：

  dict.keys（）

• 在python 3中：您的假设是不正确的：dict.keys（）中的

  与dict中的
  类似

py2和py3的详细信息如下

Python 2.7回答：

您的假设是正确的，原因如下：

• dict.keys（）

  涉及额外的函数调用（堆栈开销）

• dict.keys（）

  返回一个列表，其中包含内存中的所有键（与惰性生成器对象相反）。因此，它需要分配内存

• 键入dict

  可以在内部使用set对象，这是一种索引查找

  key in dict.keys（）

  是列表中的线性搜索

我创建了一个小的benckmark脚本来说明我的观点：

#! /usr/bin/python2.7

import datetime as dt
import random

dict_size = 1000000
num_iterations = 100

d = {i: i for i in xrange(dict_size)}

def f():
    k = random.randint(0,dict_size-1)
    return (k in d)

def g():
    k = random.randint(0,dict_size-1)
    return (k in d.keys())

def test(func):
    t = dt.datetime.utcnow()
    for i in xrange(num_iterations):
        func()
    print "%s --> %1.6f s" % (func, (dt.datetime.utcnow()-t).total_seconds())

test(f)
test(g)

输出（python 2.7.6 Ubuntu 14.04）：

-->0.000598 s
-->5.191553 s

我还测试了nr迭代和dict大小交换（dict只有100项，1M迭代）

-->3.614162 s
-->7.007922秒

这里的结果更加接近

因此，性能差异确实会随着dict的大小而增大

Python 3答案：

我为python 3改编了脚本：

• xrange

  已消失，请改用

  range

  。（不在测试功能的性能关键内环中，因此性能影响有限）
• 将大括号与

  打印一起使用

• 将沙邦行更改为

  #/usr/bin/python3

并在同一台机器上使用python 3.4.3进行了测试

• dict_size=1000000；num_迭代次数=100
  f-->0.000590秒 g-->0.000565秒

• dict_size=100；num_迭代次数=1000000
  f-->4.525487秒 g-->4.837232秒

---

因此，在python 3中，性能差异消失了。

key in dict

使用哈希。对这两种方法进行基准测试将提供一个更明确的答案。has answer here@ozgur是的，谢谢，尽管这个问题不是真的重复，但那里的答案确实回答了这个问题。请注意，

dict.keys（）

返回Python 3中类似集合的视图对象，而不是列表。而且它们也不会浪费内存。另外，

dict.keys（）

涉及属性查找。请注意，在python3中，

dict.keys（）

会返回一个视图，因此在python3中，您的第二点仅部分正确。我认为理论上应该仍然存在差异，尽管差异较小，但在python3中，您仍然有一个属性查找和一个函数调用-这些都需要时间。仅供参考，以下是内部（python3）将

if key in.keys（）分派到
if key in dict
的函数：
<function f at 0x7ff2e0126d70> --> 0.000598 s
<function g at 0x7ff2e0126de8> --> 5.191553 s

<function f at 0x7f94cb5e6d70> --> 3.614162 s
<function g at 0x7f94cb5e6de8> --> 7.007922 s