len（）函数的成本

len()Python内置函数的功能成本是多少？（列表/元组/字符串/字典）

它的O（1） （固定时间，不依赖于要素的实际长度-非常快）对你所提到的每一种类型，再加上set其他如array.array。

在CPython中，对这些数据类型调用len（）是O（1），这是Python语言的最常见实现。这是指向表的链接，该表提供了CPython中许多不同函数的算法复杂性：

TimeComplexity Python Wiki页面

所有这些对象都保持其自身长度。提取长度的时间很小（大O表示形式为O（1）），并且主要由[粗略描述，用Python术语而不是C术语编写]：在字典中查找“ len”并将其分派给built_in len函数，它将查找对象的__len__方法并调用...所有要做的就是return self.length

以下测量提供了len()对于经常使用的数据结构为O（1）的证据。

关于的注释timeit：当使用-s标志并将两个字符串传递到timeit第一个字符串时，仅执行一次，并且不计时。

清单：

$ python -m timeit -s "l = range(10);" "len(l)"
10000000 loops, best of 3: 0.0677 usec per loop

$ python -m timeit -s "l = range(1000000);" "len(l)"
10000000 loops, best of 3: 0.0688 usec per loop

元组：

$ python -m timeit -s "t = (1,)*10;" "len(t)"
10000000 loops, best of 3: 0.0712 usec per loop

$ python -m timeit -s "t = (1,)*1000000;" "len(t)"
10000000 loops, best of 3: 0.0699 usec per loop

串：

$ python -m timeit -s "s = '1'*10;" "len(s)"
10000000 loops, best of 3: 0.0713 usec per loop

$ python -m timeit -s "s = '1'*1000000;" "len(s)"
10000000 loops, best of 3: 0.0686 usec per loop

字典（dictionary-comprehension在2.7以上版本中可用）：

$ python -mtimeit -s"d = {i:j for i,j in enumerate(range(10))};" "len(d)"
10000000 loops, best of 3: 0.0711 usec per loop

$ python -mtimeit -s"d = {i:j for i,j in enumerate(range(1000000))};" "len(d)"
10000000 loops, best of 3: 0.0727 usec per loop

数组：

$ python -mtimeit -s"import array;a=array.array('i',range(10));" "len(a)"
10000000 loops, best of 3: 0.0682 usec per loop

$ python -mtimeit -s"import array;a=array.array('i',range(1000000));" "len(a)"
10000000 loops, best of 3: 0.0753 usec per loop

集合（集合理解在2.7+中可用）：

$ python -mtimeit -s"s = {i for i in range(10)};" "len(s)"
10000000 loops, best of 3: 0.0754 usec per loop

$ python -mtimeit -s"s = {i for i in range(1000000)};" "len(s)"
10000000 loops, best of 3: 0.0713 usec per loop

双端队列：

$ python -mtimeit -s"from collections import deque;d=deque(range(10));" "len(d)"
100000000 loops, best of 3: 0.0163 usec per loop

$ python -mtimeit -s"from collections import deque;d=deque(range(1000000));" "len(d)"
100000000 loops, best of 3: 0.0163 usec per loop

len是O（1），因为在您的RAM中，列表存储为表（一系列连续地址）。要知道表何时停止，计算机需要两件事：长度和起点。这就是为什么len（）是O（1）的原因，计算机会存储该值，因此只需要查找它即可。

我一直在考虑Python中的len（）取决于列表的大小，因此如果多次使用，我总是将长度存储在变量中。但是今天在调试时，我注意到列表对象中的__len__属性，因此len（）必须只是在获取它，这使得复杂度为O（1）。所以我只是用谷歌搜索是否有人已经问过这个帖子。