Python 不在 dict 条件语句中的表现

Question

有没有人知道什么是更好地使用考虑速度和资源？链接到一些受信任的来源将不胜感激。

if key not in dictionary.keys():

或

if not dictionary.get(key):

Answer 1

首先，你会这样做

if key not in dictionary:

因为字典是通过键迭代的。

其次，这两个语句是不等价的 - 如果相应的值是虚假的（0、""、[] 等），则第二个条件为真，不仅在密钥不存在的情况下。

最后，第一种方法肯定更快，更pythonic。函数/方法调用很昂贵。如果您不确定，timeit。

Answer 2

根据我的经验，使用in 比使用get 更快，尽管可以通过缓存get 方法来提高get 的速度，因此不必每次都查找它。以下是一些timeit 测试：

''' in vs get speed test

    Comparing the speed of cache retrieval / update using `get` vs using `in`

    http://stackoverflow.com/a/35451912/4014959

    Written by PM 2Ring 2015.12.01
    Updated for Python 3 2017.08.08
'''

from __future__ import print_function
from timeit import Timer
from random import randint
import dis

cache = {}

def get_cache(x):
    ''' retrieve / update cache using `get` '''
    res = cache.get(x)
    if res is None:
        res = cache[x] = x
    return res

def get_cache_defarg(x, get=cache.get):
    ''' retrieve / update cache using defarg `get` '''
    res = get(x)
    if res is None:
        res = cache[x] = x
    return res

def in_cache(x):
    ''' retrieve / update cache using `in` '''
    if x in cache:
        return cache[x]
    else:
        res = cache[x] = x
        return res

#slow to fast.
funcs = (
    get_cache, 
    get_cache_defarg,
    in_cache, 
)

def show_bytecode():
    for func in funcs:
        fname = func.__name__
        print('\n%s' % fname)
        dis.dis(func)

def time_test(reps, loops):
    ''' Print timing stats for all the functions '''
    for func in funcs:
        fname = func.__name__
        print('\n%s: %s' % (fname, func.__doc__))
        setup = 'from __main__ import data, ' + fname
        cmd = 'for v in data: %s(v)' % (fname,)
        times = []
        t = Timer(cmd, setup)
        for i in range(reps):
            r = 0
            for j in range(loops):
                r += t.timeit(1)
                cache.clear()
            times.append(r)
        times.sort()
        print(times)

datasize = 1024
maxdata = 32
data = [randint(1, maxdata) for i in range(datasize)]

#show_bytecode()
time_test(3, 500)

典型输出在我运行 Python 2.6.6 的 2Ghz 机器上：

get_cache:  retrieve / update cache using `get` 
[0.65624237060546875, 0.68499755859375, 0.76354193687438965]

get_cache_defarg:  retrieve / update cache using defarg `get` 
[0.54204297065734863, 0.55032730102539062, 0.56702113151550293]

in_cache:  retrieve / update cache using `in` 
[0.48754477500915527, 0.49125504493713379, 0.50087881088256836]

Answer 3

TLDR：使用if key not in dictionary。这是惯用的、健壮的和快速的。

---

与此问题相关的版本有四个：问题中提出的 2 个版本，以及它们的最佳变体：

key not in dictionary.keys()  # inA
key not in dictionary         # inB
not dictionary.get(key)       # getA
sentinel = object()
dictionary.get(key, sentinel) is not sentinel  # getB

A 两种变体都有缺点，意味着您不应该使用它们。 inA 不必要地在键上创建一个 dict 视图 - 这增加了一个间接步骤。 getA 查看值的真值 - 这会导致 '' 或 0 等值的错误结果。

至于使用inB 而不是getB：两者都做同样的事情，即查看key 是否存在值。但是，getB 也 返回该值或默认值，并且必须将其与哨兵进行比较。因此，使用get 会慢很多：

$ PREPARE="
> import random
> data = {a: True for a in range(0, 512, 2)}
> sentinel=object()"
$ python3 -m perf timeit -s "$PREPARE" '27 in data'
.....................
Mean +- std dev: 33.9 ns +- 0.8 ns
$ python3 -m perf timeit -s "$PREPARE" 'data.get(27, sentinel) is not sentinel'
.....................
Mean +- std dev: 105 ns +- 5 ns

请注意，一旦 JIT 预热，pypy3 对两种变体的性能几乎相同。

Answer 4

好的，我已经在 python 3.4.3 上对其进行了测试，所有三种方法都在 0.00001 秒左右给出了相同的结果。

import random
a = {}
for i in range(0, 1000000):
        a[str(random.random())] = random.random()
import time
t1 = time.time(); 1 in a.keys(); t2 = time.time(); print("Time=%s" % (t2 - t1))
t1 = time.time(); 1 in a; t2 = time.time(); print("Time=%s" % (t2 - t1))
t1 = time.time(); not a.get(1); t2 = time.time(); print("Time=%s" % (t2 - t1))