Python 用于插入、删除和搜索的高效数据结构

在使用某些资源时，我需要跟踪打开和关闭状态。我使用的第一个结构是两个

open_states_list

和

closed_states_list

，当状态更新时，我会将其添加和删除

• 插入是O（1）如果我们忽略内部内存分配和再分配机制，我想：

  open\u states\u list.append（x）

• 删除是O（n）：

  打开状态列表。删除（x）

• 搜索，就像删除一样，是O（n）：

  x在开放状态列表中

• 获取列表显然是O（1）

我使用的第二个结构是一个布尔值为

open_states={}

的字典，如果

open_states[x]

为

True

则

x

打开，如果

False

则关闭

• “插入”是O（1），因为我们只是设置一个键和一个值：

  open\u states[x]=True

• “Deleting”是O（1），原因相同：

  open\u states[x]=False

• “搜索”也是O（1），只是访问键的值：

  open\u states[x]

• 获取列表是O（n）：

  [x代表x，s在开放状态。iteritems（）如果s]

我们最常见的操作是检查

x

是否打开（搜索），因此第二个选项更好。但是我们的第二个最常见的操作，获取打开或使用状态的列表，紧跟着搜索操作，在第一个选项中效率更高。但是我们不能选择第一个选项，因为检查资源的状态是O（n）

插入也很常见。移除并不是那么重要

---

满足这些需求的最有效的数据结构是什么？

为什么不使用

集合

？如果值仅为

真/假

，则不需要使用

dict

，只要项目的存在/不存在就可以指示其状态。@CoryKramer我忘了提到顺序很重要。

OrderedSet

是否也很有效？设置状态操作比列表更有效吗？@dabadaba python设置散列它们的内容（这就是为什么不能将不可散列的项添加到集合中），因此成员资格测试应该只是散列函数和表查找O（1）的成本。不知道OrderedSet。@dabadaba检查一下。应该是您所需要的。@JaredSmith我正在测试：

d={x:1代表范围（1000000）}

和

o=OrderedSet（d）

。然后一个元素

e=45462

<代码>%timeit e in d平均每个循环33.9纳秒，而

%timeit e in o

平均每个循环190纳秒。