python内嵌的集合类型有list、tuple、set、dict。
列表list：看似数组，但比数组强大，支持索引、切片、查找、增加等功能。
元组tuple：功能跟list差不多，但一旦生成，长度及元素都不可变（元素的元素还是可变），似乎就是一更轻量级、安全的list。
字典dict：键值对结构哈希表，跟哈希表的性质一样，key无序且不重复，增删改方便快捷。
set：无序且不重复的集合，就是一个只有键没有值的dict，Java的HashSet就是采用HashMap实现，但愿python不会是这样，毕竟set不需要value，省去了很多指针。
立即学习“Python免费学习笔记（深入）”；
Generator:
称之为生成器，或者列表推导式，是python中有一个特殊的数据类型，实际上并不是一个数据结构，只包括算法和暂存的状态，并且具有迭代的功能。
先看看它们的内存使用情况，分别用生成器生成100000个元素的set, dict, generator, tuple, list。消耗的内存dict, set, list, tuple依次减少，生成的对象大小也是一样。由于generator并不生成数据表，所以不需要消耗内存：
import sys
from memory_profiler import profile
@profile
def create_data(data_size):
data_generator = (x for x in xrange(data_size))
data_set = {x for x in xrange(data_size)}
data_dict = {x:None for x in xrange(data_size)}
data_tuple = tuple(x for x in xrange(data_size))
data_list = [x for x in xrange(data_size)]
return data_set, data_dict, data_generator, data_tuple, data_list
data_size = 100000
for data in create_data(data_size):
print data.__class__, sys.getsizeof(data)
Line # Mem usage Increment Line Contents
================================================
14.6 MiB 0.0 MiB @profile
def create_data(data_size):
14.7 MiB 0.0 MiB data_generator = (x for x in xrange(data_size))
21.4 MiB 6.7 MiB data_set = {x for x in xrange(data_size)}
29.8 MiB 8.5 MiB data_dict = {x:None for x in xrange(data_size)}
33.4 MiB 3.6 MiB data_tuple = tuple(x for x in xrange(data_size))
38.2 MiB 4.8 MiB data_list = [x for x in xrange(data_size)]
38.2 MiB 0.0 MiB return data_set, data_dict, data_generator, data_tuple, data_list
4194528
6291728
72
800048
824464 再看看查找性能，dict，set是常数查找时间（O(1)），list、tuple是线性查找时间（O(n)），用生成器生成指定大小元素的对象，用随机生成的数字去查找：
import time
import sys
import random
from memory_profiler import profile
def create_data(data_size):
data_set = {x for x in xrange(data_size)}
data_dict = {x:None for x in xrange(data_size)}
data_tuple = tuple(x for x in xrange(data_size))
data_list = [x for x in xrange(data_size)]
return data_set, data_dict, data_tuple, data_list
def cost_time(func):
def cost(*args, **kwargs):
start = time.time()
r = func(*args, **kwargs)
cost = time.time() - start
print 'find in %s cost time %s' % (r, cost)
return r, cost #返回数据的类型和方法执行消耗的时间
return cost
@cost_time
def test_find(test_data, data):
for d in test_data:
if d in data:
pass
return data.__class__.__name__
data_size = 100
test_size = 10000000
test_data = [random.randint(0, data_size) for x in xrange(test_size)]
#print test_data
for data in create_data(data_size):
test_find(test_data, data)
输出：
----------------------------------------------
find in cost time 0.47200012207
find in cost time 0.429999828339
find in cost time 5.36500000954
find in cost time 5.53399991989 100个元素的大小的集合，分别查找1000W次，差距非常明显。不过这些随机数，都是能在集合中查找得到。修改一下随机数方式，生成一半是能查找得到，一半是查找不到的。从打印信息可以看出在有一半最坏查找例子的情况下，list、tuple表现得更差了。
def randint(index, data_size):
return random.randint(0, data_size) if (x % 2) == 0 else random.randint(data_size, data_size * 2)
test_data = [randint(x, data_size) for x in xrange(test_size)]
输出：
----------------------------------------------
find in cost time 0.450000047684
find in cost time 0.397000074387
find in cost time 7.83299994469
find in cost time 8.27800011635 元素的个数从10增长至500，统计每次查找10W次的时间，用图拟合时间消耗的曲线，结果如下图，结果证明dict, set不管元素多少，一直都是常数查找时间，dict、tuple随着元素增长，呈现线性增长时间：
import matplotlib.pyplot as plot
from numpy import *
data_size = array([x for x in xrange(10, 500, 10)])
test_size = 100000
cost_result = {}
for size in data_size:
test_data = [randint(x, size) for x in xrange(test_size)]
for data in create_data(size):
name, cost = test_find(test_data, data) #装饰器函数返回函数的执行时间
cost_result.setdefault(name, []).append(cost)
plot.figure(figsize=(10, 6))
xline = data_size
for data_type, result in cost_result.items():
yline = array(result)
plot.plot(xline, yline, label=data_type)
plot.ylabel('Time spend')
plot.xlabel('Find times')
plot.grid()
plot.legend()
plot.show()
迭代的时间，区别很微弱，dict、set要略微消耗时间多一点：
@cost_time
def test_iter(data):
for d in data:
pass
return data.__class__ .__name__
data_size = array([x for x in xrange(1, 500000, 1000)])
cost_result = {}
for size in data_size:
for data in create_data(size):
name, cost = test_iter(data)
cost_result.setdefault(name, []).append(cost)
#拟合曲线图
plot.figure(figsize=(10, 6))
xline = data_size
for data_type, result in cost_result.items():
yline = array(result)
plot.plot(xline, yline, label=data_type)
plot.ylabel('Time spend')
plot.xlabel('Iter times')
plot.grid()
plot.legend()
plot.show()
删除元素消耗时间图示如下，随机删除1000个元素，tuple类型不能删除元素，所以不做比较：
随机删除一半的元素，图形就呈指数时间（O(n2)）增长了：
添加元素消耗的时间图示如下，统计以10000为增量大小的元素个数的添加时间，都是线性增长时间，看不出有什么差别，tuple类型不能添加新的元素，所以不做比较：
@cost_time
def test_dict_add(test_data, data):
for d in test_data:
data[d] = None
return data.__class__ .__name__
@cost_time
def test_set_add(test_data, data):
for d in test_data:
data.add(d)
return data.__class__ .__name__
@cost_time
def test_list_add(test_data, data):
for d in test_data:
data.append(d)
return data.__class__ .__name__
#初始化数据，指定每种类型对应它添加元素的方法
def init_data():
test_data = {
'list': (list(), test_list_add),
'set': (set(), test_set_add),
'dict': (dict(), test_dict_add)
}
return test_data
#每次检测10000增量大小的数据的添加时间
data_size = array([x for x in xrange(10000, 1000000, 10000)])
cost_result = {}
for size in data_size:
test_data = [x for x in xrange(size)]
for data_type, (data, add) in init_data().items():
name, cost = add(test_data, data) #返回方法的执行时间
cost_result.setdefault(data_type, []).append(cost)
plot.figure(figsize=(10, 6))
xline = data_size
for data_type, result in cost_result.items():
yline = array(result)
plot.plot(xline, yline, label=data_type)
plot.ylabel('Time spend')
plot.xlabel('Add times')
plot.grid()
plot.legend()
plot.show()
