本文主要是介绍python数据格式操作的时间复杂度，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
list
python的列表内部实现是数组（具体实现要看解析器, CPython的实现 ），因此就有组数的特点。超过容量会增加更多的容量，set, get 是O(1)，但del, insert, in的性能是O(n)。具体的看下表，'n’是容器中当前的元素数， 'k’需要操作的元素个数
| Operation | Average Case | Amortized Worst Case |
|---|---|---|
| Copy | O(n) | O(n) |
| Append[1] | O(1) | O(1) |
| Insert | O(n) | O(n) |
| Get Item | O(1) | O(1) |
| Set Item | O(1) | O(1) |
| DeleteItem | O(n) | O(n) |
| Iteration | O(n) | O(n) |
| Get Slice | O(k) | O(k) |
| Del Slice | O(n) | O(n) |
| Set Slice | O(k+n) | O(k+n) |
| Extend[1] | O(k) | O(k) |
| Sort | O(n log n) | O(n log n) |
| Multiply | O(nk) | O(nk) |
| x in s | O(n) | |
| min(s), max(s) | O(n) | |
| Get Length | O(1) | O(1) |
dict
关于字典需要了解的是hash函数和哈希桶。一个好的hash函数使到哈希桶中的值只有一个，若多个key hash到了同一个哈希桶中，称之为哈希冲突。查找值时，会先定位到哈希桶中，再遍历hash桶。更详细的信息请点这里。在hash基本没有冲突的情况下get, set, delete, in方面都是O(1)。
| Operation | Average Case | Amortized Worst Case |
|---|---|---|
| Copy[2] | O(n) | O(n) |
| Get Item | O(1) | O(n) |
| Set Item[1] | O(1) | O(n) |
| Delete Item | O(1) | O(n) |
| x in s | O(1) | O(n) |
| Iteration[2] | O(n) | O(n) |
set
内部实现是dict的。在in操作上是O(1), 这一点比list要强。
| Operation | Average case | Worst Case |
|---|---|---|
| x in s | O(1) | O(n) |
| Union s | t | O(len(s)+len(t)) |
| Intersection s&t | O(min(len(s), len(t)) | O(len(s) * len(t)) |
| Multiple intersection s1&s2&…&sn | (n-1)*O(l) where l is max(len(s1),…,len(sn)) | |
| Difference s-t | O(len(s)) | |
| s.difference_update(t) | O(len(t)) | |
| Symmetric Difference s^t | O(len(s)) | O(len(s) * len(t)) |
| s.symmetric_difference_update(t) | O(len(t) |
原文连接链接：https://www.jianshu.com/p/a8fa3d31aa40
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
这篇关于python数据格式操作的时间复杂度的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
