Python里list、自定义链表和dict在随机访问、查值、插入删除这些操作上,谁快谁慢?为什么?

以下是使用 Python 实现随机生成相同长度 `n` 的 `list` 数组、自定义链表及 `dict` 字典,进行多次 `k` 次随机访问、按值查询操作并计时比较效率,同时增加随机位置插入、按位置删除和按值删除操作的代码: ```python import random import time # 自定义链表节点类 class ListNode: def __init__(self, val=0, next=None): self.val = val self.next = next # 自定义链表类 class LinkedList: def __init__(self): self.head = None self.length = 0 def append(self, val): new_node = ListNode(val) if not self.head: self.head = new_node else: current = self.head while current.next: current = current.next current.next = new_node self.length += 1 def get(self, index): if index < 0 or index >= self.length: return None current = self.head for _ in range(index): current = current.next return current.val def insert(self, index, val): if index < 0 or index > self.length: return new_node = ListNode(val) if index == 0: new_node.next = self.head self.head = new_node else: current = self.head for _ in range(index - 1): current = current.next new_node.next = current.next current.next = new_node self.length += 1 def delete_at_index(self, index): if index < 0 or index >= self.length: return if index == 0: self.head = self.head.next else: current = self.head for _ in range(index - 1): current = current.next current.next = current.next.next self.length -= 1 def delete_by_value(self, val): if not self.head: return if self.head.val == val: self.head = self.head.next self.length -= 1 return current = self.head while current.next and current.next.val != val: current = current.next if current.next: current.next = current.next.next self.length -= 1 # 生成数据 n = 10000 k = 1000 # 生成 list lst = [random.randint(0, 100000) for _ in range(n)] # 生成链表 linked_list = LinkedList() for i in range(n): linked_list.append(random.randint(0, 100000)) # 生成字典 d = {i: random.randint(0, 100000) for i in range(n)} # 随机访问操作 # list 随机访问 start_time = time.time() for _ in range(k): index = random.randint(0, n - 1) _ = lst[index] list_random_access_time = time.time() - start_time # 链表随机访问 start_time = time.time() for _ in range(k): index = random.randint(0, n - 1) _ = linked_list.get(index) linked_list_random_access_time = time.time() - start_time # 字典随机访问 start_time = time.time() for _ in range(k): key = random.randint(0, n - 1) _ = d[key] dict_random_access_time = time.time() - start_time # 按值查询操作 # list 按值查询 start_time = time.time() for _ in range(k): value = random.randint(0, 100000) if value in lst: pass list_value_query_time = time.time() - start_time # 链表按值查询 start_time = time.time() for _ in range(k): value = random.randint(0, 100000) current = linked_list.head while current: if current.val == value: break current = current.next linked_list_value_query_time = time.time() - start_time # 字典按值查询 start_time = time.time() for _ in range(k): value = random.randint(0, 100000) if value in d.values(): pass dict_value_query_time = time.time() - start_time # 随机位置插入操作 # list 随机位置插入 start_time = time.time() for _ in range(k): index = random.randint(0, n - 1) value = random.randint(0, 100000) lst.insert(index, value) list_random_insert_time = time.time() - start_time # 链表随机位置插入 start_time = time.time() for _ in range(k): index = random.randint(0, n - 1) value = random.randint(0, 100000) linked_list.insert(index, value) linked_list_random_insert_time = time.time() - start_time # 按位置删除操作 # list 按位置删除 start_time = time.time() for _ in range(k): index = random.randint(0, len(lst) - 1) del lst[index] list_delete_at_index_time = time.time() - start_time # 链表按位置删除 start_time = time.time() for _ in range(k): index = random.randint(0, linked_list.length - 1) linked_list.delete_at_index(index) linked_list_delete_at_index_time = time.time() - start_time # 按值删除操作 # list 按值删除 start_time = time.time() for _ in range(k): value = random.randint(0, 100000) if value in lst: lst.remove(value) list_delete_by_value_time = time.time() - start_time # 链表按值删除 start_time = time.time() for _ in range(k): value = random.randint(0, 100000) linked_list.delete_by_value(value) linked_list_delete_by_value_time = time.time() - start_time print("List 随机访问时间:", list_random_access_time) print("链表随机访问时间:", linked_list_random_access_time) print("字典随机访问时间:", dict_random_access_time) print("List 按值查询时间:", list_value_query_time) print("链表按值查询时间:", linked_list_value_query_time) print("字典按值查询时间:", dict_value_query_time) print("List 随机位置插入时间:", list_random_insert_time) print("链表随机位置插入时间:", linked_list_random_insert_time) print("List 按位置删除时间:", list_delete_at_index_time) print("链表按位置删除时间:", linked_list_delete_at_index_time) print("List 按值删除时间:", list_delete_by_value_time) print("链表按值删除时间:", linked_list_delete_by_value_time) ``` ###

创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考

Python内容推荐

python的链表基础知识点

python的链表基础知识点

Python的内置数据结构如list、dict、tuple等,虽然不是链表,但它们的内部实现也涉及到类似的引用和指向关系。

Python数据结构与算法之列表(链表,linked list)简单实现

Python数据结构与算法之列表(链表,linked list)简单实现

在Python中实现双向链表,需要在`Node`类中增加一个`prev`属性,并在插入和删除操作中更新前向和后向引用。总的来说,链表是数据结构的一种重要实现,尤其适用于频繁插入和删除的情况。

python中dict()的高级用法实现

python中dict()的高级用法实现

在Python编程中,字典(dict)是一种常用的数据结构,用于存储键值对。

Python数据结构和大厂面试攻略

Python数据结构和大厂面试攻略

在 Python 的官方实现中,list 就是一种采用分离式技术实现的动态顺序表,这就是为什么用 list.append(x) 比在指定位置插入元素效率高的原因。

一个实现单链表的 Python 源码

一个实现单链表的 Python 源码

在Python实现单链表时,经常使用的内置类型包括列表(list)来存储节点引用,也可以使用字典(dict)来存储节点值和节点引用的对应关系。

python-sortedcontainers:Python排序的容器类型:排序的列表,排序的Dict和排序的集合

python-sortedcontainers:Python排序的容器类型:排序的列表,排序的Dict和排序的集合

它利用了双端链表的数据结构,确保插入、删除和查找操作的时间复杂度接近于O(log n)。这使得在处理大量数据时,`sortedcontainers`仍然能保持良好的性能。

python-ds-practice:python数据结构的问题集

python-ds-practice:python数据结构的问题集

链表操作如插入和删除通常比数组快,但随机访问较慢。3. **栈(Stack)**:栈遵循“后进先出”(LIFO)原则,主要用于临时存储和检索数据。

Python 实现常见数据结构:链表、树、哈希表、图和堆5

Python 实现常见数据结构:链表、树、哈希表、图和堆5

堆通常用于实现优先队列,支持快速查找当前最大值或最小值以及插入和删除操作。在Python中,堆的实现可以使用list的堆操作接口,如heappush和heappop。

Python_Algo_Problems:Python DS和Algo热身练习

Python_Algo_Problems:Python DS和Algo热身练习

了解和熟练运用这些数据结构,可以优化代码的性能和可读性。1. 数组:Python的list是一种动态数组,可以容纳不同类型的元素,并且支持快速的索引访问和插入、删除操作。2.

DSA:包含Python中各种数据结构和算法的实现。这些代码具有对其执行的所有主要操作

DSA:包含Python中各种数据结构和算法的实现。这些代码具有对其执行的所有主要操作

Python的`heapq`模块提供了堆操作。6. **哈希表(Hash Table)**:使用哈希函数快速查找、插入和删除元素的数据结构。Python的字典(dict)就是哈希表的实现。7.

用Python实现数据结构和算法原理的代码.zip

用Python实现数据结构和算法原理的代码.zip

Python中,列表(list)是动态数组的实现,支持快速的随机访问。2. **链表**:链表是由一系列节点构成,每个节点包含数据和指向下一个节点的指针。

LRUCache的实现原理及利用python实现的方法

LRUCache的实现原理及利用python实现的方法

这种结构使得查找、插入和删除操作在平均情况下接近O(1)的时间复杂度。如果哈希函数设计得足够好,可以避免哈希冲突,提高性能。

Python 小笔记(2)列表list的方法

Python 小笔记(2)列表list的方法

在Python编程语言中,列表(list)是一种非常重要的数据结构,它允许我们存储和操作一组有序的元素。本文将详细讲解列表的一些基本方法,帮助你更好地理解和运用这些功能。1.

DataStructures:Python中各种数据结构的算法

DataStructures:Python中各种数据结构的算法

六、链表(LinkedList)虽然Python没有内置链表,但可以通过类来实现。链表的主要操作包括节点的添加、删除和遍历。

DataStructure:C,C ++和Python中的数据结构

DataStructure:C,C ++和Python中的数据结构

链表适用于频繁插入和删除的情况,因为它们的操作不需要移动大量元素。栈和队列是两种线性数据结构。栈遵循“后进先出”(LIFO)原则,常用操作是push(入栈)和pop(出栈)。

通过Python学习数据结构和算法.zip

通过Python学习数据结构和算法.zip

Python可以通过字典和列表组合来实现图,或者使用专门的库如`networkx`。8. **哈希表**:哈希表提供快速的查找、插入和删除操作,Python的字典(dict)就是基于哈希表实现的。

数据结构与算法 Python语言描述-裘宗燕

数据结构与算法 Python语言描述-裘宗燕

每种数据结构都有其独特的特性和应用场景,例如,数组提供随机访问但插入和删除操作效率低,链表则反之;栈是后进先出(LIFO)结构,常用于函数调用和表达式求值;队列是先进先出(FIFO)结构,适用于任务调度

《数据结构与算法之美》的学习笔记和python代码实现.zip

《数据结构与算法之美》的学习笔记和python代码实现.zip

数组的优点是访问速度快,但插入和删除操作可能导致大量元素移动,效率较低。3. 链表:链表由节点组成,每个节点包含数据和指向下一个节点的指针。链表支持动态增长和删除,但在随机访问元素时效率低于数组。

data_structure_using_python:该存储库是关于如何使用python实现数据结构的

data_structure_using_python:该存储库是关于如何使用python实现数据结构的

数据结构是存储和组织数据的一种方式,它允许高效地执行操作。常见的数据结构包括数组、链表、栈、队列、树、图、哈希表等。每种数据结构都有其特定的用途,例如数组提供随机访问,而链表则便于插入和删除操作。

py_stl_learning:用于学习python stl的代码示例

py_stl_learning:用于学习python stl的代码示例

- **链表(list)**:虽然Python的list本质上是动态数组,但可以通过链接元素来模拟链表的行为,例如`collections.deque`,它在两端的添加和删除操作特别快。

最新推荐最新推荐

recommend-type

PyPI 官网下载 | mlpack3-3.4.2-cp36-cp36m-manylinux1_x86_64.whl

资源来自pypi官网,解压后可用。 资源全名:mlpack3-3.4.2-cp36-cp36m-manylinux1_x86_64.whl
recommend-type

实现基于C++或者python基本库,初学学习之用.zip

人工智能-项目实践-机器学习
recommend-type

机器学习的一些基础算法,主要使用Python、Cpp、Matlab编写。.zip

matlab算法,适合毕业设计、课程设计作业,所有源码均经过严格测试,可以直接运行,可以放心下载使用。
recommend-type

jenkins-conf:Jenkins的配置文件

mlpack Jenkins配置和测试支持 该存储库包含Jenkins( )使用的许多脚本,用于构建和测试mlpack。
recommend-type

学生成绩管理系统C++课程设计与实践

资源摘要信息:"学生成绩信息管理系统-C++(1).doc" 1. 系统需求分析与设计 在进行学生成绩信息管理系统开发前,首先需要进行系统需求分析,这是确定系统开发目标与范围的过程。需求分析应包括数据需求和功能需求两个方面。 - 数据需求分析: - 学生成绩信息:需要收集学生的姓名、学号、课程成绩等数据。 - 数据类型和长度:明确每个数据项的数据类型(如字符串、整型等)和长度,例如学号可能是字符串类型且长度为一定值。 - 描述:详细描述每个数据项的意义,以确保系统能够准确处理。 - 功能需求分析: - 列出功能列表:用户界面应提供清晰的操作指引,列出所有可用功能。 - 查询学生成绩:系统应能通过学号或姓名查询学生的成绩信息。 - 增加学生成绩信息:允许用户添加未保存的学生成绩信息。 - 删除学生成绩信息:能够通过学号或姓名删除已经保存的成绩信息。 - 修改学生成绩信息:通过学号或姓名修改已有的成绩记录。 - 退出程序:提供安全退出程序的选项,并确保所有修改都已保存。 2. 系统设计 系统设计阶段主要完成内存数据结构设计、数据文件设计、代码设计、输入输出设计、用户界面设计和处理过程设计。 - 内存数据结构设计: - 使用链表结构组织内存中的数据,便于动态增删查改操作。 - 数据文件设计: - 选择文本文件存储数据,便于查看和编辑。 - 代码设计: - 根据功能需求,编写相应的函数和模块。 - 输入输出设计: - 设计简洁明了的输入输出提示信息和操作流程。 - 用户界面设计: - 用户界面应为字符界面,方便在命令行环境下使用。 - 处理过程设计: - 设计数据处理流程,确保每个操作都有明确的处理逻辑。 3. 系统实现与测试 实现阶段需要根据设计阶段的成果编写程序代码,并进行系统测试。 - 程序编写: - 完成系统设计中所有功能的程序代码编写。 - 系统测试: - 设计测试用例,通过测试用例上机测试系统。 - 记录测试方法和测试结果,确保系统稳定可靠。 4. 设计报告撰写 最后,根据系统开发的各个阶段,撰写详细的设计报告。 - 系统描述:包括问题说明、数据需求和功能需求。 - 系统设计:详细记录内存数据结构设计、数据文件设计、代码设计、输入/输出设计、用户界面设计、处理过程设计。 - 系统测试:包括测试用例描述、测试方法和测试结果。 - 设计特点、不足、收获和体会:反思整个开发过程,总结经验和教训。 时间安排: - 第19周(7月12日至7月16日)完成项目。 - 7月9日8:00到计算机学院实验中心(三楼)提交程序和课程设计报告。 指导教师和系主任(或责任教师)需要在文档上签名确认。 系统需求分析: - 使用表格记录系统需求分析的结果,包括数据项、数据类型、数据长度和描述。 - 分析数据项如学生成绩信息、状态器、链表节点等,确定其属性和行为。 以上就是文档中提到的学生成绩信息管理系统开发的关键知识点。开发此类系统需要熟练掌握C++编程基础,了解面向对象的程序设计思想,以及熟悉文件操作和链表等数据结构的应用。此外,良好的软件开发流程意识、测试意识和文档撰写能力也是必不可少的。
recommend-type

别再手动拖拽了!用Lumerical脚本批量创建FDTD仿真结构(附完整代码)

# 告别低效建模:Lumerical脚本自动化实战指南 在光子学仿真领域,时间就是科研生命线。当同行还在GUI界面里反复点击菜单时,你已经用脚本批量生成了20组参数化结构——这不是未来场景,而是每位FDTD用户都应该掌握的基础生产力革命。本文将彻底改变你与Lumerical的交互方式,从手动拖拽的农耕时代,跃迁到自动化建模的工业文明。 ## 1. 为何脚本建模是必然选择 2019年Nature Photonics的一项研究显示,科研工作者在仿真工具上平均浪费37%的时间在重复性操作上。对于需要参数扫描的纳米光学结构设计,这个数字可能更高。手动创建10个不同尺寸的纳米柱阵列意味着: -
recommend-type

Java邮件解析任务中,如何安全高效地提取HTML邮件内容并避免硬编码、资源泄漏和类型转换异常?

<think>我们被要求优化一段Java代码,该代码用于处理邮件(特别是来自特定发件人的构建通知邮件)。代码的主要问题包括: 1. 重复获取邮件内容:在检查MIME类型后,多次调用`msg[i].getContent()`,这可能导致性能问题或流关闭异常。 2. 类型转换问题:直接将邮件内容转换为`Multipart`而不进行类型检查,可能引发`ClassCastException`。 3. 代码结构问题:逻辑嵌套过深,可读性差,且存在重复代码(如插入邮件详情的操作在两个地方都有)。 4. 硬编码和魔法值:例如在解析HTML表格时使用了硬编码的索引(如list3.get(10)),这容易因邮件
recommend-type

RH公司应收账款管理优化策略研究

资源摘要信息:"本文针对RH公司的应收账款管理问题进行了深入研究,并提出了改进策略。文章首先分析了应收账款在企业管理中的重要性,指出其对于提高企业竞争力、扩大销售和充分利用生产能力的作用。然后,以RH公司为例,探讨了公司应收账款管理的现状,并识别出合同管理、客户信用调查等方面的不足。在此基础上,文章提出了一系列改善措施,包括完善信用政策、改进业务流程、加强信用调查和提高账款回收力度。特别强调了建立专门的应收账款回收部门和流程的重要性,并建议在实际应用过程中进行持续优化。同时,文章也意识到企业面临复杂多变的内外部环境,因此提出的策略需要根据具体情况调整和优化。 针对财务管理领域的专业学生和从业者,本文提供了一个关于应收账款管理问题的案例研究,具有实际指导意义。文章还探讨了信用管理和征信体系在应收账款管理中的作用,强调了它们对于提升企业信用风险控制和市场竞争能力的重要性。通过对比国内外企业在应收账款管理上的差异,文章总结了适合中国企业实际环境的应收账款管理方法和策略。" 根据提供的文件内容,以下是详细的知识点: 1. 应收账款管理的重要性:应收账款作为企业的一项重要资产,其有效管理关系到企业的现金流、财务健康以及市场竞争力。不良的应收账款管理会导致资金链断裂、坏账损失增加等问题,严重影响企业的正常运营和长远发展。 2. 应收账款的信用风险:在信用交易日益频繁的商业环境中,企业必须对客户信用进行评估,以便采取合理的信用政策,降低信用风险。 3. 合同管理的薄弱环节:合同是应收账款管理的法律基础,严格的合同管理能够保障企业权益,减少因合同问题导致的应收账款风险。 4. 客户信用调查:了解客户的信用状况对于预测和控制应收账款风险至关重要。企业需要建立有效的客户信用调查机制,识别和筛选信用良好的客户。 5. 应收账款回收策略:企业应建立有效的账款回收机制,包括定期的账款跟进、逾期账款的催收等。同时,建立专门的应收账款回收部门可以提升回收效率。 6. 应收账款管理流程优化:通过改进企业内部管理流程,如简化审批流程、提高工作效率等措施,能够提升应收账款的管理效率。 7. 应收账款管理策略的调整和优化:由于企业的内外部环境复杂多变,因此制定的管理策略需要根据实际情况进行动态调整和持续优化。 8. 信用管理和征信体系的作用:建立和完善企业内部信用管理体系和征信体系,有助于企业更好地控制信用风险,并在市场竞争中占据有利地位。 9. 对比国内外应收账款管理实践:通过研究国内外企业在应收账款管理上的不同做法和经验,可以借鉴先进的管理理念和方法,提升国内企业的应收账款管理水平。 综上所述,本文深入探讨了应收账款管理的多个方面,为RH公司乃至其他同类型企业提供了应收账款管理的改进方向和策略,对于财务管理专业的教育和实践都具有重要的参考价值。
recommend-type

新手别慌!用BingPi-M2开发板带你5分钟搞懂Tina Linux SDK目录结构

# 新手别慌!用BingPi-M2开发板带你5分钟搞懂Tina Linux SDK目录结构 第一次拿到BingPi-M2开发板时,面对Tina Linux SDK里密密麻麻的文件夹,我完全不知道从哪下手。就像走进一个陌生的大仓库,每个货架上都堆满了工具和零件,却找不到操作手册。这种困惑持续了整整两天,直到我意识到——理解目录结构比死记硬背每个文件更重要。 ## 1. 为什么SDK目录结构如此重要 想象你正在组装一台复杂的模型飞机。如果所有零件都混在一个箱子里,你需要花大量时间寻找每个螺丝和面板。但如果有分门别类的隔层,标注着"机身部件"、"电子设备"、"紧固件",组装效率会成倍提升。Ti
recommend-type

Java线程池运行时状态怎么实时掌握?有哪些靠谱的监控手段?

<think>我们之前已经讨论过Java线程池监控的多种方法,包括使用第三方工具和自定义监控。现在用户再次询问Java线程池监控方法,我们需要根据引用内容以及之前讨论的内容进行总结和扩展。 引用[1]提到使用JDK自带的监控工具,引用[2]提到了三种常用的线程池创建方式,引用[3]给出了通过ThreadPoolExecutor获取线程池状态的方法。 结合之前回答的内容,我们可以将监控方法分为以下几类: 1. 使用JDK自带工具(如jconsole, jvisualvm)进行监控。 2. 通过编程方式获取线程池状态(如引用[3]所示)。 3. 扩展ThreadPoolExecutor,