python in 操作耗时测试和性能分析

python in 操作耗时测试和性能分析

这里主要是对于序列：list set 进行测试，其中用到的是timeit 计时，采用随机样本进行序列的构造。

测试代码：

# coding=utf8
__author__ = 'lfc'

import timeit
import random

seq_len = 4  # 10 ** 4

x = random.sample([i for i in range(10 ** 6)], 10 ** seq_len)
y = set(x)
z = sorted(x)

n = 320170

c = 1000


def fx():
    return n in x


def fy():
    return n in y


def fz():
    return n in z


def fn():
    return set(x)


def fs():
    return sorted(x)


print "预处理操作 %d 次用时：" % c
print "set it:%.24f" % timeit.timeit(fn, number=c)
print "sorted it:%.24f" % timeit.timeit(fs, number=c)
print ""
print "in 操作 %d 次用时：" % c
print "list: %.24f" % timeit.timeit(fx, number=c)
print "set: %.24f" % timeit.timeit(fy, number=c)
print "sorted list: %.24f" % timeit.timeit(fz, number=c)

分析：

    结论： 对set 进行 in 判断 ，与序列长度无关
               对于list 进行 in 操作, 耗费时间与随长度增加而增加与N相关
               对于排过序的in 操作时间与序列长度N线性相关, 并且排序的时间最好也是log n

               并且 ，在将list 转化为 list 时所耗费时间却是更长，
               所以具体选用的方式：
               对于已经有的数据结果，如果是单次in操作， 则直接进行 ,
               如果需要多次进行in操作，且次数大于3(此处是以测试为例)倍 list 长度， 建议提前将其转化为set，再次进行in 操作