在Python中檢查重複項的最快方法是什麼？

Question

使用字典似乎很理想。

例如爲：

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

將使用該組（）類型是一樣快; set（）不需要我向散列鍵添加無用的None值。

Answer 1

是的，你應該使用一套。

---

將使用該組（）類型是一樣快;

不，它不會一樣快。這將是更快。

---

更新

有人已經發布的基準顯示，集比字典慢。我認爲這有點令人驚訝，因爲它們基本上具有相同的底層實現，只是設置更簡單。我想我已經找到了緩慢的原因：

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 

結果：現在

dict time : 1.896939858077399 
set time : 1.8587076107880456 

設置稍快，符合市場預期。

Answer 2

日文N3 N4 N5的速度更快，但只能勉強：

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，除非性能絕對是至關重要的，你應該使用集可讀性的原因。

當然，正如你的問題所暗示的，我們正在談論可排序類型。不可容忍的類型，如容器，將需要其他技術。

爲了完整起見，這裏有不同的修飾方法基準：

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，但這次一點也不奇怪，因爲沒有函數調用參與。

Answer 3

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 

結果：

set time : 0.619757678699 
dict time : 0.466664548148