测试列表是否共享python中的任何项目

我想检查一个列表中的任何项目是否存在于另一个列表中。我可以使用下面的代码简单地做到这一点，但是我怀疑可能有一个库函数可以做到这一点。如果没有，是否有更多的pythonic方法可以达到相同的结果。

In [78]: a = [1, 2, 3, 4, 5]

In [79]: b = [8, 7, 6]

In [80]: c = [8, 7, 6, 5]

In [81]: def lists_overlap(a, b):
   ....:     for i in a:
   ....:         if i in b:
   ....:             return True
   ....:     return False
   ....: 

In [82]: lists_overlap(a, b)
Out[82]: False

In [83]: lists_overlap(a, c)
Out[83]: True

In [84]: def lists_overlap2(a, b):
   ....:     return len(set(a).intersection(set(b))) > 0
   ....: 

简短答案：使用not set(a).isdisjoint(b)，通常是最快的。

有测试四种常见的方式，如果两个列表a和b共享任何项目。第一种选择是将两个都转换为集合并检查它们的交集，如下所示：

bool(set(a) & set(b))

由于集合是使用Python中的哈希表存储的，因此可以搜索它们O(1)（有关Python中运算符复杂性的更多信息，请参见此处）。从理论上讲，这是O(n+m)对平均n和m在列表中的对象a和b。但是1）它必须首先从列表中创建集合，这可能花费不可忽略的时间量； 2）它假定哈希冲突在您的数据中很少。

第二种方法是使用生成器表达式对列表执行迭代，例如：

any(i in a for i in b)

这允许就地搜索，因此不会为中间变量分配新的内存。它也可以在第一个发现上解决。但是in操作员始终O(n)在列表中（请参阅此处）。

另一个建议的选项是混合访问列表中的一个，转换另一个集合，然后测试该集合的成员资格，如下所示：

a = set(a); any(i in a for i in b)

第四种方法是利用isdisjoint()（冻结）集合的方法（请参阅此处），例如：

not set(a).isdisjoint(b)

如果您搜索的元素在数组的开头附近（例如已排序），则倾向于使用生成器表达式，因为集合交集方法必须为中间变量分配新的内存：

from timeit import timeit
>>> timeit('bool(set(a) & set(b))', setup="a=list(range(1000));b=list(range(1000))", number=100000)
26.077727576019242
>>> timeit('any(i in a for i in b)', setup="a=list(range(1000));b=list(range(1000))", number=100000)
0.16220548999262974

这是此示例的执行时间与列表大小的关系图：

请注意，两个轴都是对数的。这代表了生成器表达式的最佳情况。可以看出，该isdisjoint()方法对于非常小的列表大小更好，而生成器表达式对于更大的列表大小更好。

另一方面，由于搜索是从混合表达式和生成器表达式的开头开始的，因此，如果共享元素系统地位于数组的末尾（或者两个列表都不共享任何值），则不相交和集合交集方法比生成器表达式和混合方法快得多。

>>> timeit('any(i in a for i in b)', setup="a=list(range(1000));b=[x+998 for x in range(999,0,-1)]", number=1000))
13.739536046981812
>>> timeit('bool(set(a) & set(b))', setup="a=list(range(1000));b=[x+998 for x in range(999,0,-1)]", number=1000))
0.08102107048034668

有趣的是，对于较大的列表大小，生成器表达式要慢得多。这仅适用于1000次重复，而不是前一个数字的100000次。当没有共享任何元素时，此设置也很合适，并且是不相交和设置相交方法的最佳情况。

这是两个使用随机数的分析（而不是操纵设置以偏爱一种或多种技术）：

分享的可能性很高：元素是从中随机抽取的[1, 2*len(a)]。分享机会低：元素是从中随机抽取的[1, 1000*len(a)]。

到目前为止，该分析假设两个列表的大小相同。如果有两个不同大小的列表，例如a小得多，isdisjoint()总是更快：

确保a列表较小，否则性能会降低。在此实验中，a列表大小设置为常量5。

综上所述：

• 如果列表很小（<10个元素），not set(a).isdisjoint(b)则总是最快的。
• 如果列表中的元素已排序或具有可以利用的规则结构，则生成器表达式any(i in a for i in b)在大列表大小时最快。
• not set(a).isdisjoint(b)用来测试设置的交集，它总是比快bool(set(a) & set(b))。
• 混合“遍历列表，按条件测试” a = set(a); any(i in a for i in b)通常比其他方法慢。
• 当涉及到不共享元素的列表时，生成器表达式和混合函数比其他两种方法要慢得多。

在大多数情况下，使用该isdisjoint()方法是最好的方法，因为生成器表达式的执行时间会更长，因为在没有共享任何元素时效率非常低。

def lists_overlap3(a, b):
    return bool(set(a) & set(b))

注意：以上假设您想要布尔值作为答案。如果您只需要在if语句中使用表达式，则只需使用if set(a) & set(b):

def lists_overlap(a, b):
  sb = set(b)
  return any(el in sb for el in a)

这是渐近最优的（最坏情况O（n + m）），并且由于any的短路，可能比交叉点方法更好。

例如：

lists_overlap([3,4,5], [1,2,3])

到达后将立即返回True 3 in sb

编辑：另一种变化（感谢Dave Kirby）：

def lists_overlap(a, b):
  sb = set(b)
  return any(itertools.imap(sb.__contains__, a))

这依赖于imap用C实现的迭代器，而不是生成器理解。它还sb.__contains__用作映射功能。我不知道这会带来多少性能差异。它仍然会短路。

您还可以将其any与列表理解一起使用：

any([item in a for item in b])

在python 2.6或更高版本中，您可以执行以下操作：

return not frozenset(a).isdisjoint(frozenset(b))

您可以使用任何内置函数/ wa generator表达式：

def list_overlap(a,b): 
     return any(i for i in a if i in b)

正如John和Lie所指出的那样，当对于两个列表共享的每个i bool（i）== False时，这都会给出错误的结果。它应该是：

return any(i in b for i in a)

这个问题已经很老了，但是我注意到当人们在争论集合与列表时，没有人想到将它们一起使用。按照Soravux的示例，

清单的最坏情况：

>>> timeit('bool(set(a) & set(b))',  setup="a=list(range(10000)); b=[x+9999 for x in range(10000)]", number=100000)
100.91506409645081
>>> timeit('any(i in a for i in b)', setup="a=list(range(10000)); b=[x+9999 for x in range(10000)]", number=100000)
19.746716022491455
>>> timeit('any(i in a for i in b)', setup="a= set(range(10000)); b=[x+9999 for x in range(10000)]", number=100000)
0.092626094818115234

列表的最佳情况是：

>>> timeit('bool(set(a) & set(b))',  setup="a=list(range(10000)); b=list(range(10000))", number=100000)
154.69790101051331
>>> timeit('any(i in a for i in b)', setup="a=list(range(10000)); b=list(range(10000))", number=100000)
0.082653045654296875
>>> timeit('any(i in a for i in b)', setup="a= set(range(10000)); b=list(range(10000))", number=100000)
0.08434605598449707

因此，遍历一个列表以查看它是否在集合中比遍历两个列表更快，这是有意义的，因为检查数字是否在集合中需要固定的时间，而通过遍历列表进行检查所花费的时间与长度成正比。名单。

因此，我的结论是遍历一个列表，并检查它是否在set中。

如果您不在乎重叠的元素是什么，则只需检查len合并列表与合并为一组的列表的即可。如果有重叠的元素，则集合将更短：

len(set(a+b+c))==len(a+b+c) 如果没有重叠，则返回True。

我将以一种功能性的编程风格来介绍另一个：

any(map(lambda x: x in a, b))

说明：

map(lambda x: x in a, b)

返回在其中的元素布尔值的列表b中找到a。然后any将该列表传递给，该列表仅返回True是否有任何元素True。