主頁 > 知識庫 > Python 列表(List)的底層實現(xiàn)原理分析

Python 列表(List)的底層實現(xiàn)原理分析

熱門標簽:北京外呼電銷機器人招商 電銷機器人 金倫通信 賓館能在百度地圖標注嗎 crm電銷機器人 汕頭電商外呼系統(tǒng)供應商 云南地圖標注 鄭州智能外呼系統(tǒng)中心 400電話 申請 條件 南京crm外呼系統(tǒng)排名

Python 列表的數(shù)據(jù)結構是怎么樣的?

列表實際上采用的就是數(shù)據(jù)結構中的順序表,而且是一種采用分離式技術實現(xiàn)的動態(tài)順序表

但這是不是Python的列表?

我的結論是順序表是列表的一種實現(xiàn)方式。

書上說的是:列表實現(xiàn)可以是數(shù)組和鏈表。

順序表是怎么回事?順序表一般是數(shù)組。

列表是一個線性的集合,它允許用戶在任何位置插入、刪除、訪問和替換元素。

列表實現(xiàn)是基于數(shù)組或基于鏈表結構的。當使用列表迭代器的時候,雙鏈表結構比單鏈表結構更快。

有序的列表是元素總是按照升序或者降序排列的元素。

實現(xiàn)細節(jié)

python中的列表的英文名是list,因此很容易和其它語言(C++, Java等)標準庫中常見的鏈表混淆。事實上CPython的列表根本不是列表(可能換成英文理解起來容易些:python中的list不是list)。在CPython中,列表被實現(xiàn)為長度可變的數(shù)組。

可參考《Python高級編程(第2版)》

從細節(jié)上看,Python中的列表是由對其它對象的引用組成的連續(xù)數(shù)組。指向這個數(shù)組的指針及其長度被保存在一個列表頭結構中。

這意味著,每次添加或刪除一個元素時,由引用組成的數(shù)組需要該標大小(重新分配)。

幸運的是,Python在創(chuàng)建這些數(shù)組時采用了指數(shù)分配,所以并不是每次操作都需要改變數(shù)組的大小。但是,也因為這個原因添加或取出元素的平攤復雜度較低。

不幸的是,在普通鏈表上“代價很小”的其它一些操作在Python中計算復雜度相對過高。

利用 list.insert(i,item) 方法在任意位置插入一個元素——復雜度O(N)

利用 list.pop(i) 或 list.remove(value) 刪除一個元素——復雜度O(N)

列表的算法效率

可以采用時間復雜度來衡量:

index() O(1)

append O(1)

pop() O(1)

pop(i) O(n)

insert(i,item) O(n)

del operator O(n)

iteration O(n)

contains(in) O(n)

get slice[x:y] O(k)

del slice O(n)

set slice O(n+k)

reverse O(n)

concatenate O(k)

sort O(nlogn)

multiply O(nk)

O括號里面的值越大代表效率越低

列表和元組

列表和元組的區(qū)別是顯然的:

列表是動態(tài)的,其大小可以該標 (重新分配);

而元組是不可變的,一旦創(chuàng)建就不能修改。

list和tuple在c實現(xiàn)上是很相似的,對于元素數(shù)量大的時候,

都是一個數(shù)組指針,指針指向相應的對象,找不到tuple比list快的理由。

但對于小對象來說,tuple會有一個對象池,所以小的、重復的使用tuple還有益處的。

為什么要有tuple,還有很多的合理性。

實際情況中的確也有不少大小固定的列表結構,例如二維地理坐標等;

另外tuple也給元素天然地賦予了只讀屬性。

認為tuple比list快的人大概是把python的tuple和list類比成C++中的數(shù)組和列表了。

補充:python list, tuple, dictionary, set的底層細節(jié)

list, tuple, dictionary, set是python中4中常見的集合類型。在筆者之前的學習中,只是簡單了學習它們4者的使用,現(xiàn)記錄一下更深底層的知識。

列表和元組

列表和元組的區(qū)別是顯然的:列表是動態(tài)的,其大小可以該標;而元組是不可變的,一旦創(chuàng)建就不能修改。

實現(xiàn)細節(jié)

python中的列表的英文名是list,因此很容易和其它語言(C++, Java等)標準庫中常見的鏈表混淆。事實上CPython的列表根本不是列表(可能換成英文理解起來容易些:python中的list不是list)。在CPython中,列表被實現(xiàn)為長度可變的數(shù)組。

從細節(jié)上看,Python中的列表是由對其它對象的引用組成的連續(xù)數(shù)組。指向這個數(shù)組的指針及其長度被保存在一個列表頭結構中。這意味著,每次添加或刪除一個元素時,由引用組成的數(shù)組需要該標大?。ㄖ匦路峙洌?。幸運的是,Python在創(chuàng)建這些數(shù)組時采用了指數(shù)過分配,所以并不是每次操作都需要改變數(shù)組的大小。但是,也因為這個原因添加或取出元素的平攤復雜度較低。

不幸的是,在普通鏈表上“代價很小”的其它一些操作在Python中計算復雜度相對過高。

利用 list.insert方法在任意位置插入一個元素——復雜度O(N)

利用 list.delete或del刪除一個元素——復雜度O(N)

操作 復雜度
復制 O(N)
添加元素(在尾部添加) O(1)
插入元素(在指定位置插入) O(N)
獲取元素 O(1)
修改元素 O(1)
刪除元素 O(N)
遍歷 O(N)
獲取長度為k的切片 O(k)
刪除切片 O(N)
列表擴展 O(k)
測試是否在列表中 O(N)
min()/max() O(n)
獲取列表長度 O(1)

列表推導

要習慣用列表推導,因為這更加高效和簡短,涉及的語法元素少。在大型的程序中,這意味著更少的錯誤,代碼也更容易閱讀。

>>>[i for i in range(10) if i % 2 == 0]
 [0, 2, 4, 6, 8]

其它習語

1.使用enumerate.在循環(huán)使用序列時,這個內置函數(shù)可以方便的獲取其索引:

for i, element in enumerate(['one', 'two', 'three']):
 print(i, element)

result:

0 one
1 two
2 three

2.如果需要一個一個合并多個列表中的元素,可以使用zip()。對兩個大小相等的可迭代對象進行均勻遍歷時,這是一個非常常用的模式:

for item in zip([1, 2, 3], [4, 5, 6]):
 print(item)
(1, 4)
(2, 5)
(3, 6)

3.序列解包

#帶星號的表達式可以獲取序列的剩余部分
>>>first, second, *reset = 0, 1, 2, 3
>>>first
0
>>>second
1
>>>reset
[2, 3]

字典

字典是python中最通用的數(shù)據(jù)結構之一。dict可以將一組唯一的鍵映射到相應的值。

我們也可以用前面列表推導的方式來創(chuàng)建一個字典。

squares = {number: number**2 for number in range(10)}
print(squares)

result:

{0: 0, 1: 1, 2: 4, 3: 9, 4: 16, 5: 25, 6: 36, 7: 49, 8: 64, 9: 81}

在遍歷字典元素時,有一點需要特別注意。字典里的keys(), values()和items()3個方法的返回值不再是列表,而是視圖對象(view objects)。

keys(): 返回dict_keys對象,可以查看字典所有鍵

values():返回dict_values對象,可以查看字典的所有值

items():返回dict_items對象,可以查看字典所有的{key, value}二元元組。

視圖對象可以動態(tài)查看字典的內容,因此每次字典發(fā)生變化的時候,視圖都會相應的改變,見下面這個例子:

words = {'foo': 'bar', 'fizz': 'bazz'}
items= words.items()
words['spam'] = 'eggs'
print(items)

result:

dict_items([('foo', 'bar'), ('fizz', 'bazz'), ('spam', 'eggs')])

視圖無需冗余的將所有值都保存在內存中,像列表那樣。但你仍然可以獲取其長度(使用len),也可以測試元素是否包含在其中(使用in子句)。當然,視圖是迭代的。

實現(xiàn)細節(jié)

CPython使用偽隨機探測(pseudo-random probing)的散列表(hash table)作為字典的底層數(shù)據(jù)結構。由于這個實現(xiàn)細節(jié),只有可哈希的對象才能作為字典的鍵。

Python中所有不可變的內置類型都是可哈希的??勺冾愋停ㄈ缌斜?,字典和集合)就是不可哈希的,因此不能作為字典的鍵。

字典的三個基本操作(添加元素,獲取元素和刪除元素)的平均事件復雜度為O(1),但是他們的平攤最壞情況復雜度要高得多,為O(N).

操作 平均復雜度 平攤最壞情況復雜度
獲取元素 O(1) O(n)
修改元素 O(1) O(n)
刪除元素 O(1) O(n)
復制 O(n) O(n)
遍歷 O(n) O(n)

還有一點很重要,在復制和遍歷字典的操作中,最壞的復雜度中的n是字典曾經(jīng)達到的最大元素數(shù)目,而不是當前的元素數(shù)目。換句話說,如果一個字典曾經(jīng)元素個數(shù)很多,后來又大大減小了,那么遍歷這個字典可能會花費相當長的事件。

因此在某些情況下,如果需要頻繁的遍歷某個詞典,那么最好創(chuàng)建一個新的字典對象,而不是僅在舊字典中刪除元素。

字典的缺點和替代方案

使用字典的常見陷阱就是,它并不會按照鍵的添加順序來保存元素的順序。在某些情況下,字典的鍵是連續(xù)的,對應的散列值也是連續(xù)值(例如整數(shù)),那么由于字典的內部實現(xiàn),元素的實現(xiàn)可能和添加的順序相同:

keys = {num: None for num in range(5)}.keys()
print(keys)

result:

dict_keys([0, 1, 2, 3, 4])

但是,如果散列方法不同的其它數(shù)據(jù)類型,那么字典就不會保存元素順序。

age = {str(i): i for i in range(100)}
keys = age.keys()
print(keys)

result:

dict_keys(['0', '1', '2', '3', '4', '5', '6', '7', '8', '9', '10', '11', '12', '13', '14', '15', '16', '17', '18', '19', '20', '21', '22', '23', '24', '25', '26', '27', '28', '29', '30', '31', '32', '33', '34', '35', '36', '37', '38', '39', '40', '41', '42', '43', '44', '45', '46', '47', '48', '49', '50', '51', '52', '53', '54', '55', '56', '57', '58', '59', '60', '61', '62', '63', '64', '65', '66', '67', '68', '69', '70', '71', '72', '73', '74', '75', '76', '77', '78', '79', '80', '81', '82', '83', '84', '85', '86', '87', '88', '89', '90', '91', '92', '93', '94', '95', '96', '97', '98', '99'])

理論上,鍵的順序不應該是這樣的,應該是亂序。。。具體為什么這樣,等以后明白了再補充

如果我們需要保存添加順序怎么辦?python 標準庫的collections模塊提供了名為OrderedDicr的有序字典。

集合

集合是一種魯棒性很好的數(shù)據(jù)結構,當元素順序的重要性不如元素的唯一性和測試元素是否包含在集合中的效率時,大部分情況下這種數(shù)據(jù)結構極其有用。

python的內置集合類型有兩種:

set(): 一種可變的、無序的、有限的集合,其元素是唯一的、不可變的(可哈希的)對象。

frozenset(): 一種不可變的、可哈希的、無序的集合,其元素是唯一的,不可變的哈希對象。

set([set([1, 2, 3]), set([2, 3, 4])])

result:

Traceback (most recent call last):
 File "/pycharm_project/LearnPython/Part1/demo.py", line 1, in module>
 set([set([1, 2, 3]), set([2, 3, 4])])
TypeError: unhashable type: 'set'
set([frozenset([1, 2, 3]), frozenset([2, 3, 4])])

result:不會報錯

set里的元素必須是唯一的,不可變的。但是set是可變的,所以set作為set的元素會報錯。

實現(xiàn)細節(jié)

CPython中集合和字典非常相似。事實上,集合被實現(xiàn)為帶有空值的字典,只有鍵才是實際的集合元素。此外,集合還利用這種沒有值的映射做了其它的優(yōu)化。

由于這一點,可以快速的向集合中添加元素、刪除元素、檢查元素是否存在。平均時間復雜度為O(1),最壞的事件復雜度是O(n)。

以上為個人經(jīng)驗,希望能給大家一個參考,也希望大家多多支持腳本之家。如有錯誤或未考慮完全的地方,望不吝賜教。

您可能感興趣的文章:
  • 解決python列表list中的截取問題
  • Python3 列表list合并的4種方法
  • python中列表(list)和元組(tuple)的深入講解
  • Python列表排序 list.sort方法和內置函數(shù)sorted用法
  • Python 找出英文單詞列表(list)中最長單詞鏈
  • Python Pandas list列表數(shù)據(jù)列拆分成多行的方法實現(xiàn)
  • 深入了解python列表(LIST)
  • python 解決mysql where in 對列表(list,,array)問題
  • Python將二維列表list的數(shù)據(jù)輸出(TXT,Excel)
  • python的列表List求均值和中位數(shù)實例
  • Python3列表List入門知識附實例
  • Python列表list操作相關知識小結
  • 基于python的列表list和集合set操作
  • Python List列表對象內置方法實例詳解
  • Python列表list常用內建函數(shù)實例小結
  • 詳細整理python 字符串(str)與列表(list)以及數(shù)組(array)之間的轉換方法
  • python創(chuàng)建與遍歷List二維列表的方法
  • Python源碼解析之List

標簽:錫林郭勒盟 梅州 浙江 昆明 懷化 石家莊 西寧 文山

巨人網(wǎng)絡通訊聲明:本文標題《Python 列表(List)的底層實現(xiàn)原理分析》,本文關鍵詞  Python,列表,List,的,底層,;如發(fā)現(xiàn)本文內容存在版權問題,煩請?zhí)峁┫嚓P信息告之我們,我們將及時溝通與處理。本站內容系統(tǒng)采集于網(wǎng)絡,涉及言論、版權與本站無關。
  • 相關文章
  • 下面列出與本文章《Python 列表(List)的底層實現(xiàn)原理分析》相關的同類信息!
  • 本頁收集關于Python 列表(List)的底層實現(xiàn)原理分析的相關信息資訊供網(wǎng)民參考!
  • 推薦文章