访问Python dict的时间复杂度 [英] Time complexity of accessing a Python dict

问题描述

我正在编写一个简单的Python程序。

我的程序似乎遭受线性访问字典，
它的运行时间呈指数增长，即使算法是二次的。

我使用字典来记录值。这似乎是一个瓶颈。

我散列的值是元组元组。
每个点是：（x，y），0 <= x，y <= 50

字典中的每个键都是：一个2-5点的元组：（（x1 ，y1），（x2，y2），（x3，y3），（x4，y4））

这些键的读取次数比写入次数多出多倍。

我正确的说，python dicts遭受线性访问时间与这样的输入？

据我所知，集合保证了对数访问时间。

如何在Python中使用set（或类似的东西）模拟dicts？

编辑根据请求，这是一个（简化）版本的记忆功能：

$（$）


如果没有，则

key = args
密钥记录：
memoized [key] = fun（* args）
return memoized [key]
return memo

解决方案

请参阅时间复杂性。 python dict是一个哈希函数，其最坏的情况是O（n），如果哈希函数不好，并导致大量的冲突。然而，这是一个非常罕见的情况，其中每个添加的项目都具有相同的哈希值，因此被添加到同一个链中，对于主要的Python实现将非常不太可能。平均时间复杂度当然是O（1）。

最好的方法是检查并查看您正在使用的对象的哈希值。 CPython Dict 使用 int PyObject_Hash（PyObject * o），相当于哈希（o）。

快速检查后，我还没有设法找到两个散列到同一个值的元组，表示查找是O（1）

  l = [] 
 for x in range（0，50） ：
 for y in range（0，50）：
如果hash（（x，y））in l：
 printFail：，（x，y）
 l.append（hash（（x，y）））
 printTest Finished
  

CodePad （24小时可用）

I am writing a simple Python program.

My program seems to suffer from linear access to dictionaries, its run-time grows exponentially even though the algorithm is quadratic.
I use a dictionary to memoize values. That seems to be a bottleneck.

The values I'm hashing are tuples of points. Each point is: (x,y), 0 <= x,y <= 50
Each key in the dictionary is: A tuple of 2-5 points: ((x1,y1),(x2,y2),(x3,y3),(x4,y4))

The keys are read many times more often than they are written.

Am I correct that python dicts suffer from linear access times with such inputs?

As far as I know, sets have guaranteed logarithmic access times.
How can I simulate dicts using sets(or something similar) in Python?

edit As per request, here's a (simplified) version of the memoization function:

def memoize(fun):
    memoized = {}
    def memo(*args):
        key = args
        if not key in memoized:
            memoized[key] = fun(*args)
        return memoized[key]
    return memo

解决方案

See Time Complexity. The python dict is a hashmap, its worst case is therefore O(n) if the hash function is bad and results in a lot of collisions. However that is a very rare case where every item added has the same hash and so is added to the same chain which for a major Python implementation would be extremely unlikely. The average time complexity is of course O(1).

The best method would be to check and take a look at the hashs of the objects you are using. The CPython Dict uses int PyObject_Hash (PyObject *o) which is the equivalent of hash(o).

After a quick check, I have not yet managed to find two tuples that hash to the same value, which would indicate that the lookup is O(1)

l = []
for x in range(0, 50):
    for y in range(0, 50):
        if hash((x,y)) in l:
            print "Fail: ", (x,y)
        l.append(hash((x,y)))
print "Test Finished"

CodePad (Available for 24 hours)

这篇关于访问Python dict的时间复杂度的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！