Python中list和dict的in操作的区别

List和Dict的in操作对比

首先设计一个性能试验来验证list中检索一个值，以及dict中检索一个值的计时对比
生成包含连续值的list和包含连续关键码key的dict，用随机数来检验操作符in的耗时

import timeit
import random

for i in range(10000,1000001,20000):
	t = timeit.Timer("random.randrange(%d) in x"%i,
					 "from __main__ import random,x")
	x = list(range(i))
	lst_time = t.timeit(number=1000)
	x = {j:None for j in range(i)}
	d_time = t.timeit(number=1000)
	print("%d,%10.3f,%10.3f" % (i, lst_time, d_time))

下表是程序运行的结果

从上表我们可以看到list的查找效率远远低于dict的效率，原因如下：

python中list对象的存储结构采用的是线性表，因此其查询复杂度为O(n)，而dict对象的存储结构采用的是散列表，其在最优情况下查询复杂度为O(1)。

散列表的基本概念：

散列表（hash table，又称哈希表）是一种数据集，其中数据项的存储方式尤其有利于将来快速的查找定位。散列表中的每一个存储位置，称为槽（slot），可以用来保存数据项，每个槽有一个唯一的名称。实现从数据项到存储槽名称的转换的，称为散列函数（hash function）。下面示例中，散列函数接受数据项作为参数，返回整数值0～10，表示数据项存储的槽号（名称）。

散列表示例：

数据项：54，26，93，17，77，31
本例中我们的散列函数是最简单的求余：

按照散列函数h(item)，为每个数据项计算出存放的位置之后，就可以将数据项存入相应的槽中。

要查找某个数据项是否存在于表中，我们只需要使用同一个散列函数，对查找项进行计算，测试下返回的槽号所对应的槽中是否有数据项即可，从而实现了O(1)时间复杂度的查找算法。