python - 在 python 中检查重复项的最快方法是什么？

Question

使用字典似乎很理想。

例如：

history = {}
for i in collection:
    if i not in history:
        history[i] = None
        # fancy computation here

使用 set() 类型会一样快吗？set() 不需要我向哈希键添加愚蠢的 None 值。

Answer 1

是的，你应该使用一套。

---

使用 set() 类型会一样快吗？

不，它不会那么快。它会更快。

---

更新

有些人发布了基准测试，表明 set 比 dict 慢。我认为这有点令人惊讶，因为它们基本上具有相同的底层实现，只是集合更简单。我认为我找到了缓慢的原因：

def set_way():
    my_set = set()
    my_set_add = my_set.add   # remember the method
    for ele in x:
        if ele not in my_set:
            my_set_add(ele)   # call the method directly

结果：

dict time : 1.896939858077399
set time : 1.8587076107880456

正如预期的那样，Set 现在稍微快了一点。

Answer 2

字典似乎更快。

import timeit
import random as rn

x  = [rn.choice(xrange(10000)) for i in xrange(1000)]

def set_way():
    my_set = set()
    for ele in x:
        if ele in my_set:
            return True
        else:
            my_set.add(ele)
    else:
        return False

def dict_way():
    dicto = {}
    for ele in x:
        if ele in dicto:
            return True
        else:
            dicto[ele] = None
    else:
        return False



num = 10000

set_time = timeit.timeit(set_way, number = num)
print 'set time :', set_time
dict_time = timeit.timeit(dict_way, number = num)
print 'dict time :', dict_time

结果：

set time : 0.619757678699
dict time : 0.466664548148

Answer 3

dicts 更快，但只有一点点：

import timeit

setup = """
x = range(10000)
s = set(range(5000))
d = dict.fromkeys(range(5000))
"""

print '# set', timeit.timeit('for i in x: z = i in s', setup, number=1000)
print '# dic', timeit.timeit('for i in x: z = i in d', setup, number=1000)

# set 1.18897795677
# dic 1.1489379406

然而，除非性能是绝对关键的，否则为了可读性，您应该使用集合。

当然，正如您的问题所暗示的那样，我们正在谈论可散列类型。不可散列的类型，如容器，需要其他技术。

为了完整起见，以下是不同修改方法的基准：

import timeit

setup = """
x = range(10000)
s = set(range(5000))
d = dict.fromkeys(range(5000))

add_method = s.add
"""

print '# set-add     ', timeit.timeit('for i in x: s.add(i)', setup, number=1000)
print '# set-closure ', timeit.timeit('for i in x: add_method(i)', setup, number=1000)
print '# dict []     ', timeit.timeit('for i in x: d[i]=None', setup, number=1000)
print '# d.setdefault', timeit.timeit('for i in x: d.setdefault(i)', setup, number=1000)

# set-add      1.96829080582
# set-closure  1.2261030674
# dict []      0.982795000076
# d.setdefault 2.27355480194

dict[i]是最快的，但这一次并不奇怪，因为不涉及函数调用。