【发布时间】：2010-09-07 21:31:11
【问题描述】：
我一直无法找到此信息的来源，我没有亲自查看 Python 源代码以确定对象的工作方式。有谁知道我在哪里可以在网上找到这个？
【问题讨论】：
标签： python performance complexity-theory big-o sequences
【发布时间】：2010-09-07 21:31:11
【问题描述】：
如果你问我认为你在问什么，你可以找到他们Here... 第 476 页及以上。
它是围绕 Python 的优化技术编写的；它主要是时间效率的 Big-O 符号，没有太多内存。
【讨论】：
Raymond D. Hettinger 对名为“Core Python Containers - Under the Hood”的 Python 内置集合做了 an excellent talk (slides)。我看到的版本主要集中在set和dict，但也涵盖了list。
a blog 也有来自 EuroPython 的相关幻灯片的一些照片。
这是我在list上的笔记总结：
- 将项目存储为指针数组。下标花费 O(1) 时间。追加成本摊销 O(1) 时间。插入花费 O(n) 时间。
- 在过度分配增长时尽量避免
memcpy。许多小型列表会浪费大量空间，但大型列表不会浪费超过 12.5% 的过度分配空间。 - 一些操作预先调整大小。给出的示例包括
range(n)、map()、list()、[None] * n和切片。 - 缩小时，数组只有在浪费 50% 的空间时才会被
realloced。pop很便宜。
【讨论】：
查看 py dot org wiki 上的 TimeComplexity 页面。至少就时间复杂度而言，它涵盖了 set/dicts/lists/etc。
【讨论】：