我需要在某种类型的查询表中放入大约1000万个值，所以我想知道列表或字典哪个更有效？

我知道您可以为这两种方法执行以下操作：

if something in dict_of_stuff:
    pass

和

if something in list_of_stuff:
    pass

我的想法是，该字典将更快，更高效。

谢谢你的帮助。

编辑1
我正在尝试做的更多信息。 欧拉问题92。我正在查找表，以查看所计算的值是否已全部准备好。

编辑2
查找效率。

编辑3
没有与值相关的值...那么集合会更好吗？

速度

关于数据结构中的项目数，列表中的查找为O（n），字典中的查找摊销为O（1）。如果不需要关联值，请使用集合。

记忆

字典和集合都使用哈希，并且它们使用的内存比仅用于对象存储的更多。根据Beautiful Code的 AM Kuchling的说法，该实现尝试使哈希2/3保持完整，因此您可能会浪费一些内存。

如果您不立即添加新条目（根据更新的问题进行操作），则可能需要对列表进行排序并使用二进制搜索。这是O（log n），对于字符串来说可能更慢，对于没有自然顺序的对象则不可能。

dict是哈希表，因此查找密钥确实非常快。因此，在字典和列表之间，字典会更快。但是，如果您没有关联的值，则最好使用集合。它是一个散列表，没有“表”部分。

编辑：对于您的新问题，是的，设置一个会更好。只需创建2组，一组用于以1结尾的序列，另一组用于以89结尾的序列。我已经成功地使用组解决了这个问题。

set()正是您想要的。O（1）查找，并且小于字典。

我做了一些基准测试，结果表明dict比列出和设置大型数据集都快，它在linux的i7 CPU上运行python 2.7.3：

• python -mtimeit -s 'd=range(10**7)' '5*10**6 in d'

  10个循环，每个循环最好3：64.2毫秒

• python -mtimeit -s 'd=dict.fromkeys(range(10**7))' '5*10**6 in d'

  10000000次循环，最好为3：每个循环0.0759微秒

• python -mtimeit -s 'from sets import Set; d=Set(range(10**7))' '5*10**6 in d'

  1000000次循环，最好为3：每个循环0.262微秒

如您所见，dict比list快得多，比set快约3倍。但是，在某些应用程序中，您可能仍想选择设置以美观。如果数据集非常小（<1000个元素），则列表的效果会很好。

你想要一个字典。

对于Python中的（未排序）列表，“输入”操作需要O（n）时间-如果您有大量数据，则不好。另一方面，字典是哈希表，因此您可以期望O（1）查找时间。

正如其他人指出的那样，如果您只有键而不是键/值对，则可以选择一个集合（一种特殊类型的dict）。

有关：

• Python Wiki：有关Python容器操作时间复杂度的信息。
• SO：Python容器操作时间和内存复杂性

如果数据是唯一的，set（）将是最有效的，但是是两个-dict（这也需要唯一性，哎呀：）

这些年来，作为一组新的测试表明@ EriF89仍然正确：

$ python -m timeit -s "l={k:k for k in xrange(5000)}"    "[i for i in xrange(10000) if i in l]"
1000 loops, best of 3: 1.84 msec per loop
$ python -m timeit -s "l=[k for k in xrange(5000)]"    "[i for i in xrange(10000) if i in l]"
10 loops, best of 3: 573 msec per loop
$ python -m timeit -s "l=tuple([k for k in xrange(5000)])"    "[i for i in xrange(10000) if i in l]"
10 loops, best of 3: 587 msec per loop
$ python -m timeit -s "l=set([k for k in xrange(5000)])"    "[i for i in xrange(10000) if i in l]"
1000 loops, best of 3: 1.88 msec per loop

在这里，我们还比较了一个tuple，lists在某些用例中，它比（并且使用更少的内存）更快。对于查找表，tuple整流罩没有更好的选择。

无论是dict和set表现非常出色。这带来了一个与@SilentGhost有关唯一性的答案有关的有趣观点：如果OP在数据集中具有10M值，并且不知道它们中是否存在重复项，则值得将其元素的集合/ dict并行保存使用实际数据集，并测试该数据集中是否存在该数据。10M数据点可能只有10个唯一值，这是一个很小的搜索空间！

SilentGhost关于dict的错误实际上是有启发性的，因为人们可以使用dict将重复的数据（以值形式）关联到一个非重复的集合（键）中，从而保留一个数据对象来保存所有数据，但仍然像查找表一样快。例如，一个dict键可能是要查找的值，并且该值可能是该值出现的虚构列表中的索引列表。

例如，如果要搜索的源数据列表为l=[1,2,3,1,2,1,4]，则可以通过将此字典替换为dict来针对搜索和内存进行优化：

>>> from collections import defaultdict
>>> d = defaultdict(list)
>>> l=[1,2,3,1,2,1,4]
>>> for i, e in enumerate(l):
...     d[e].append(i)
>>> d
defaultdict(<class 'list'>, {1: [0, 3, 5], 2: [1, 4], 3: [2], 4: [6]})

有了这个命令，就可以知道：

1. 如果值在原始数据集中（即2 in d返回True）
2. 当该值是原始数据集（即d[2]返回，其中数据是在原始数据列表中找到索引列表：[1, 4]）

实际上，您实际上不需要在表中存储1000万个值，因此这两种方法都没什么大不了的。

提示：考虑一下在第一次平方和运算后结果可能有多大。最大可能的结果将是小于1000万。