Python：加速多列表中的匹配

我有四个类似的列表：

L = [ (1,2), (3,5), (6,10), (7,8) ]
M = [ (1,3), (8,9), (12,13) ]
N = [ (6,10), (3,4), (5,6), (10,11), (12,13) ]
T = [ (6,10) , (1,4) ]

我想检查L、M和N中T的每个元组是否存在：

[[True, False, True], [False, False, False]]

下面的方法可以工作，但当T、L、M和N的大小增大时，效率会非常低

[[ y in x for x in [L, M, N] ] for y in T ]

---

对于大型列表，什么是最有效的加速方法？

在

列表中搜索时间与列表长度成正比。所以对于长名单来说，这是很高的。有专门为搜索而优化的数据结构。python中最简单的是
set
。它计算每个元素的散列（因此元素必须是可散列的，整数元组是可以的）。
然后你做同样的检查。所以你只需要添加

L = set(L)
M = set(M)
N = set(N)

作为副作用，您将失去列表中元素的顺序。如果存在非唯一值，它们将合并为一个

关于提速的更新：

如果搜索值在最开始时，则在
列表中搜索的时间可能很长。但如果不是这样的话，
set
应该快得多，因为搜索时间与日志（len（数据））成正比。
列表
的最坏情况是
列表
中没有搜索的项目，因此需要检查每个项目。在这种情况下，在1M
list
中搜索要比在
set
中搜索慢200K（刚刚在python3中选中）
在
list
中搜索时间与列表长度成正比。所以对于长名单来说，这是很高的。有专门为搜索而优化的数据结构。python中最简单的是
set
。它计算每个元素的散列（因此元素必须是可散列的，整数元组是可以的）。
然后你做同样的检查。所以你只需要添加

L = set(L)
M = set(M)
N = set(N)

作为副作用，您将失去列表中元素的顺序。如果存在非唯一值，它们将合并为一个

关于提速的更新：

如果搜索值在最开始时，则在
列表中搜索的时间可能很长。但如果不是这样的话，
set
应该快得多，因为搜索时间与日志（len（数据））成正比。
列表
的最坏情况是
列表
中没有搜索的项目，因此需要检查每个项目。在这种情况下，在1M
list
中搜索要比在
set
（刚刚在python3中选中）中搜索慢200K
您还可以考虑使用Numpy数组而不是普通的python列表和元组。
看
因为你必须检查列表中的每个元素，总的速度总是线性的，所以你必须使用一个更快的实现，比如NUMPY，或者用一个更快的语言扩展你的代码，比如Rust，C，C++。
使用
np.asarray（listname）
函数对其进行转换
您还可以研究使用Numpy数组而不是普通的python列表和元组。
看
因为你必须检查列表中的每个元素，总的速度总是线性的，所以你必须使用一个更快的实现，比如NUMPY，或者用一个更快的语言扩展你的代码，比如Rust，C，C++。
使用
np.asarray（listname）
函数对其进行转换
使用字典并比较这些值

LMNT = {'L':[(1,2),(3,5),(6,10),(7,8)],
'M':[(1,3),(8,9),(12,13)],
'N':[ (6,10), (3,4), (5,6), (10,11), (12,13) ],
'T':[ (6,10) , (1,4) ]}

然后你可以比较字典。
LMNT['M'][0][1]
值为2

或

LMNT['N'][4]
值是
（12,13）
使用字典并比较这些值

LMNT = {'L':[(1,2),(3,5),(6,10),(7,8)],
'M':[(1,3),(8,9),(12,13)],
'N':[ (6,10), (3,4), (5,6), (10,11), (12,13) ],
'T':[ (6,10) , (1,4) ]}

然后你可以比较字典。
LMNT['M'][0][1]
值为2

或

LMNT['N'][4]
值为
（12,13）
如果可以处理不同的输出格式，也可以设置交叉点

>>> L = set([ (1,2), (3,5), (6,10), (7,8) ])
>>> M = set([ (1,3), (8,9), (12,13) ])
>>> N = set([ (6,10), (3,4), (5,6), (10,11), (12,13) ])
>>> T = set([ (6,10) , (1,4) ])
>>> [T & x for x in (L,M,N)]
[{(6, 10)}, set(), {(6, 10)}]

这将为您提供一组元组列表，这些元组分别出现在两个集合中。这应该比使用嵌套循环更快。
如果可以处理不同的输出格式，也可以设置交叉点

>>> L = set([ (1,2), (3,5), (6,10), (7,8) ])
>>> M = set([ (1,3), (8,9), (12,13) ])
>>> N = set([ (6,10), (3,4), (5,6), (10,11), (12,13) ])
>>> T = set([ (6,10) , (1,4) ])
>>> [T & x for x in (L,M,N)]
[{(6, 10)}, set(), {(6, 10)}]

这将为您提供一组元组列表，这些元组分别出现在两个集合中。这应该比使用嵌套循环更快。
…这样在不改变主要算法的情况下，速度会提高30%。@ForceBru对于涉及的大型集合/列表，这应该是一个更显著的改进。你从哪里得到这个号码的？@schwobasegll，我也这么认为<代码>设置
s太棒了！我刚刚在我的机器上测试了这个。我刚刚测试了1M值的列表，set比list快了大约100倍……这将在没有重大算法更改的情况下提供30%的加速。@ForceBru对于大型涉及的集合/列表，这应该是一个更显著的改进。你从哪里得到这个号码的？@schwobasegll，我也这么认为<代码>设置
s太棒了！我刚刚在我的机器上测试了这个。我刚刚测试了1M值的列表，set比list快100倍。这将比OP的原始代码效率低。现在需要更长的时间，因为列表仍然是列表，但需要额外的字典查找成本。这将比OP的原始代码效率低。现在需要更长的时间，因为列表仍然是列表，但需要额外的字典查找成本。