在Python中检查重复项的最快方法是什么？

Question

使用字典似乎很理想。

例如为：

history = {} 
for i in collection: 
    if i not in history: 
     history[i] = None 
     # fancy computation here 

将使用该组（）类型是一样快; set（）不需要我向散列键添加无用的None值。

Answer 1

是的，你应该使用一套。

---

将使用该组（）类型是一样快;

不，它不会一样快。这将是更快。

---

更新

有人已经发布的基准显示，集比字典慢。我认为这有点令人惊讶，因为它们基本上具有相同的底层实现，只是设置更简单。我想我已经找到了缓慢的原因：

def set_way(): 
    my_set = set() 
    my_set_add = my_set.add # remember the method 
    for ele in x: 
     if ele not in my_set: 
      my_set_add(ele) # call the method directly 

结果：现在

dict time : 1.896939858077399 
set time : 1.8587076107880456 

设置稍快，符合市场预期。

Answer 2

日文N3 N4 N5的速度更快，但只能勉强：

import timeit 

setup = """ 
x = range(10000) 
s = set(range(5000)) 
d = dict.fromkeys(range(5000)) 
""" 

print '# set', timeit.timeit('for i in x: z = i in s', setup, number=1000) 
print '# dic', timeit.timeit('for i in x: z = i in d', setup, number=1000) 

# set 1.18897795677 
# dic 1.1489379406 

然而，除非性能绝对是至关重要的，你应该使用集可读性的原因。

当然，正如你的问题所暗示的，我们正在谈论可排序类型。不可容忍的类型，如容器，将需要其他技术。

为了完整起见，这里有不同的修饰方法基准：

import timeit 

setup = """ 
x = range(10000) 
s = set(range(5000)) 
d = dict.fromkeys(range(5000)) 

add_method = s.add 
""" 

print '# set-add  ', timeit.timeit('for i in x: s.add(i)', setup, number=1000) 
print '# set-closure ', timeit.timeit('for i in x: add_method(i)', setup, number=1000) 
print '# dict []  ', timeit.timeit('for i in x: d[i]=None', setup, number=1000) 
print '# d.setdefault', timeit.timeit('for i in x: d.setdefault(i)', setup, number=1000) 

# set-add  1.96829080582 
# set-closure 1.2261030674 
# dict []  0.982795000076 
# d.setdefault 2.27355480194 

dict[i]是最快的，但这次一点也不奇怪，因为没有函数调用参与。

Answer 3

字典似乎更快。

import timeit 
import random as rn 

x = [rn.choice(xrange(10000)) for i in xrange(1000)] 

def set_way(): 
    my_set = set() 
    for ele in x: 
     if ele in my_set: 
      return True 
     else: 
      my_set.add(ele) 
    else: 
     return False 

def dict_way(): 
    dicto = {} 
    for ele in x: 
     if ele in dicto: 
      return True 
     else: 
      dicto[ele] = None 
    else: 
     return False 



num = 10000 

set_time = timeit.timeit(set_way, number = num) 
print 'set time :', set_time 
dict_time = timeit.timeit(dict_way, number = num) 
print 'dict time :', dict_time 

结果：

set time : 0.619757678699 
dict time : 0.466664548148