Python 集合与数组

Question

我需要在内存中存储大量数字。然后我需要检查会员资格。在内存效率方面，数组比列表更好。集合比用于成员检查的列表更好。我两个都需要！所以我的问题是：

1) 数组的内存效率比集合高多少？ （相反，请参阅下面的结果）。 2) 是否有一种数据结构可以在集合和数组之间取得更好的平衡？类似于带符号整数类型的集合？还是一些 numpy 构造？

我用下面的脚本检查了成员资格的时间差异。 （我知道 timeit 更好，但方差足够低以至于 time 没问题）：

import array
import time 

class TimerContext:
    def __enter__(self):
        self.t0 = time.time()
    def __exit__(self, *args, **kwargs):
        print(time.time()-self.t0)

SIZE = 1000000

l = list([i for i in range(SIZE)])
a = array.array('I', l)
s = set(l)

print(type(l))
print(type(a))
print(type(s))

with TimerContext():
    x = 99999 in l
with TimerContext():
    x = 99999 in a
with TimerContext():
    x = 99999 in s

结果：

<class 'list'>
<class 'array.array'>
<class 'set'>
0.0012176036834716797
0.0024595260620117188
1.430511474609375e-06

因此，对于成员资格检查，集合要快很多（请注意科学记数法）。因此，如果它们的内存占用与数组没有什么不同，我会更喜欢使用一个集合。但我不知道如何检查内存占用。

我还应该补充一点，比较集合和列表有很多问题。但是比较数组和集合我没有看到任何好的答案。

Answer 1

如果可能的话，bisect 的成员资格检查性能接近set（包括列表和数组）。查看下面的结果

import array
from bisect import bisect
import sys
import time


class TimerContext:
    def __enter__(self):
        self.t0 = time.time()

    def __exit__(self, *args, **kwargs):
        print(time.time() - self.t0)


def get_size_in_megabytes(iterable):
    return round(sys.getsizeof(iterable) / (1024 ** 2), 2)


SIZE = 1000000

l = list([i for i in range(SIZE)])
a = array.array("I", l)
s = set(l)

print(type(l), get_size_in_megabytes(l))
print(type(a), get_size_in_megabytes(a))
print(type(s), get_size_in_megabytes(s))

with TimerContext():
    x = 99999 in l
with TimerContext():
    x = 99999 in a
with TimerContext():
    x = 99999 in s

print("list bisect")
with TimerContext():
    bisect(l, 99999)

print("array bisect")
with TimerContext():
    bisect(a, 99999)

结果：

<class 'list'> 8.58
<class 'array.array'> 3.81
<class 'set'> 32.0
0.0024390220642089844
0.0053005218505859375
3.814697265625e-06
list bisect
9.298324584960938e-06
array bisect
6.198883056640625e-06

sys.getsizeof 使用 @CristiFati 的信用。