列表和字典之间的 Python __getitem__ 性能答案

【问题标题】：Python __getitem__ performance between lists and dicts列表和字典之间的 Python __getitem__ 性能
【发布时间】：2020-12-07 17:38:28
【问题描述】：

我已经实现了一个动态编程算法（自下而上）。
作为快速修复，我对 DP 表使用了字典而不是固定大小的数组，但考虑到我的输入大小（n 高达 50k，m 高达 100），我认为将dp_table: Dict[int, Dict[int, float]] 重构为dp_table: List[List[float]] 会有很多好处。

我们知道哈希表的索引运行时间为 O(1)，但常数值“高”，而列表索引的运行时间为 O(1)，并且常数应该小得多。

dict.__getitem__ 和 list.__getitem__ 之间的性能差异是什么？
使用 numpy 数组还有更多好处吗？

【问题讨论】：

性能差异将是常数的变化。您是否尝试过自己运行任何基准测试？
我希望这种无处不在的操作的性能基准已经存在，但我找不到任何东西。

标签： python arrays performance hashmap dynamic-programming

【解决方案1】：

使用timeit 进行基准测试非常简单。

>>> timeit.Timer('values[50]', 'values = {i: i for i in range(100)}').timeit(number = 10**7)
0.3076519769999999
>>> timeit.Timer('values[50]', 'values = list(range(100))').timeit(number = 10**7)
0.2913365720000005
>>> timeit.Timer('values[50]', 'import numpy; values = numpy.arange(100)').timeit(number = 10**7)
1.262765399000001

奇怪的是，numpy 数组在这里的表现很糟糕。

【讨论】：

【解决方案2】：

dict.__getitem__ 和 list.__getitem__ 之间的性能差异是什么？

wiki.python article TimeComplexity 声明时间复杂度：

for list 获取项目：平均情况 O(1) 摊销最坏情况 O(1)
for dict 获取项目：平均情况 O(1) 摊销最坏情况 O(n)

请记住，这些是 CPython 的值，其他 python 实现可能会有所不同。

【讨论】：