python list/tuple/dict/set/deque的简单比较、优化和时间复杂度（表格）_python list和tuple的查找元素时间复杂度

一、关于增删改查

---

---

二、关于时间复杂度

2.1、时间复杂度：

• 时间复杂度：是指执行这个算法所需要的计算工作量
• 空间复杂度：是指执行这个算法所需要的内存空间

常见时间复杂度说明（按复杂度从小到大的顺序，不包含k那个）：

• O(1)：常数阶，意思即时间保持在一个固定的范围内，不会随序列的长度和大小而增长。例如哈希。
• O(log n)：对数阶，log没有标明底数的时候默认是以2为底N的对数，例如n在原来的程度上翻了8倍，则时间复杂度翻了log8=3倍。就是2的3次方等于8，反过来知道底数和总数，求指数。因为是2的倍速，反过来想就是每次查找可以减少一半的可能。当n越大，则耗时增大log n倍。如二分查找。
• *O(n)：线性阶，时间与序列的大小成正比，即序列元素越多，越长，所花时间越多。例如一般的for循环。
• O(nlog n)：线性对数阶，是n倍的log n。还是假设n为8，则8 x log8=8 x 3 = 24倍。 跟O(n)一样受常数n的影响，但O(nlog n)复杂度高于O(n)。如归并排序、快速排序、堆排序。（快速排序最差的情况是O(n^2)，但它的常数因子很小，大多数情况下表现比归并要好）
• O(n^2)：平方阶，对n个数的排序，需要循环nn次。n越大结果复杂度就翻倍的增长，例如冒泡排序、插入排序、选择排序。
• *O(k)：官网上说，“n”是容器中当前的元素的数量。'k’是参数的值或参数中元素的数量。根据查阅，目前涉及到k的算法是桶排序、计数排序、基数排序，但是目前还未涉略，也不涉及本章内容，有兴趣可以自己去查查看。

关于算法，可以参考我另一篇：https://blog.csdn.net/qq_28304687/article/details/126820544

---

2.2、比较：

• 1. 因为tuple不能增删改，所以这里不做比较。
• 2. 因为deque只是和list样子相似，但作用和queue相似，看名字就知道了，所以它只能从两端增删，不能从中间增删，它也就没有insert或者update这样的方法。
• 3. pop()，各种方法有些不一样，另外我们知道pop的时候它会返回被删掉的数据。因此，pop我们会分为pop last、pop(index[list]/key[dict])，但实际上他们的命令都是pop：
  • 3.1. deque：popleft是其独有，但它的pop不能从指定的位置删
  • 3.2. list：list/dict都可以从指定位置删，list简单直接给pop(index)即可
  • 3.3. set：set其实有pop，但它既不能指定，且没有所谓最后一个，也是随机，其他得用remove或者discard（区别在于如果元素不存在，前者会报错而后者不会）
  • 3.4. dict： 根据官网来看，dict的复杂度平均是O(1)，最坏的结果才是O(n)。只是占内存一些，dict的pop比较特殊：
    • 3.4.1. - popitem()：这个尤其特别，它随机返回并删除字典中的一对键和值。为什么随机呢，因为dict是无序的，没有所谓最后一个
    • 3.4.2. - pop(key[,default])：删除字典给定键 key 所对应的值，返回值为被删除的值。key值必须给出。 否则，返回default值。
• 4. 由于无序序列的存在，设置了中括号标注下哪个方法是对应哪个序列的，这里的中括号不代表索引，这里索引直接用index代替

平均情况下：

---

2.3、特点：

• 1. tuple：
  • 1.1. tuple可哈希，所以它可转换成dict和set，它做dict时——{():value}
  • 1.2. tuple的优点：
    • 1.2.1. 函数返回多个值;
    • 1.2.2. 字符串里有多个元素，如果刚好这些元素处于一个列表或tuple内，可以直接用，但是列表需转换;
    • 1.2.3. 可以快速调换赋值，如a,b = b,a;
  • 1.3. 定义只有一个元素的tuple时候，必须写成这种格式，即加个逗号， 如a = (1,)，否则默认为进行()的运算。
• 2. dict：
  • 2.1. dict的最好和平均时间是O(1)，最差是O(n)，set大多和dict差不多。
• 3. set：
  • 3.1. set存储的元素和dict的key类似，必须是不变对象，所以set不支持存储list/dict（set和list/dict可直接相互转换，但set不能直接包含list/dict对象）。但它可以通过update的方式将list的元素一个个添加到set里，但不支持存在整个list（add是添加单个元素，update是批量）。set 和dict转换只会用到它的key而不是value）
  • 3.2. 虽然dict和set都有大括号，假设a = set([1,2,3])和b = {1,2,3}，a和b的结果你都会得到set类型的结果{1, 2, 3}，但如果你想初始化一个空的set对象，你必须c = set()，如果你用c = {}初始化，c的type会是dict。
  • 3.3. 不过它转换成list很方便，只需要list(set())即可，而不用遍历set中的元素。
  • 3.4.set在使用推导式的时候， set(i for i in range(n))比set([i for i in range(n)])要快一些，因为前者用到了生成器，但是如果要遍历，取元素来用的话，后者可能更快（参考链接9）
• 4. 查找（即x in s）：dict，set是常数查找时间（O(1)），list、tuple是线性查找时间（O(n)）。
  • 4.1 为什么dict和set是O(1)，我们知道在dict中key必须是可hash的，而hash之所以快，哈希即散列表的原理是，通过设定的一个关键字和一个映射函数，就可以直接获得访问数据的地址，所以可以实现O(1)的数据访问效率。我之前看到一个很好懂的说法，虽然不完全是这样，但是很有：哈希组成是10个数字和26个字母，在同种加密算法下长度也是一致的。也就是说这串hash值的每一位的可能性都是只会是这36种的其中一个，查询的时候，从hash的第一个值可以匹配，比如是a，那我们只需要找剩下的所有hash存储值以a开头的hash值即可，相当于一下子就排除了35/36的内容。接下来每一位的匹配都类似，所以不管查询的库有多大，它的时间复杂度都是相对最低的。

2.4、优化：

• 1. list因为占用的内存会随着元素的增大而增大，所以最好不要用 list 来保存中间结果，而是通过 iterable 对象来迭代。（参考下面的链接）
• 2. 如果想对list进行remove的操作，尽量使用新list保存符合条件的，append的效率高于remove。
• 3. 如果非要进行remove操作，切记对list进行切片再遍历，否则对原数组进行remove却还处在for之中，每次remove会改变后面的元素的索引，遍历会报错。例如进行for i in lst[:]类似的操作再remove
• 4. 由表3可知，在判断某个元素是否在某个序列中的时候，dict是O(1)，list需要遍历，所以是O(n)，这时候尽量不要用list，能够用字典、set进行存储，尽量不要用list（只是查找，对顺序没有要求，允许去重）。
• 5. 一般情况下，只是查找，list和set转换就可以，虽然也可以利用dict的kes()转换，但set和list的相互之间的转换比较方便。
• 6. list转dict的使用场景往往是较为复杂的情况，例如多个list组合对应dict的key和value；或是list作为keys，生成一些元素为空的values之类的。
• 7. 存储的时候似情况而定用list还是set，这样可以省去转换。（如果需要求交集、去重之类的用set最好）

---

参考链接：

1. 主要基于python2.7，不是完全完整，基于目前所学做了一个简单的归纳；
2. 关于时间复杂度，参考：
   · 英文：https://wiki.python.org/moin/TimeComplexity
   · 中文：http://www.orangecube.net/python-time-complexity
3. 前四种算是基本数据结构，最后一种是from collections这个内置库，是双向队列。它相当于队列和列表的结合，并且支持两端增删。它其实更常用于和多线程，redis使用，之所以放在这里，是因为它和list的相似性；
4. 关于tuple的优点，知乎有很好的答案：https://www.zhihu.com/question/60574107
5. 关于dict的删除：
   1) http://www.runoob.com/python/python-dictionary.html
   2) http://www.iplaypy.com/jinjie/jj116.html
6. 关于dict的插入：https://www.zhihu.com/question/62050494
7. 关于set的删除： http://blog.csdn.net/jcjc918/article/details/9359503
8. 性能比较：https://www.cnblogs.com/cfang90/p/6220956.html
9. 优化建议：http://www.jb51.net/article/56699.htm
10. 算法时间复杂度：https://www.ibm.com/developerworks/cn/linux/l-cn-python-optim/