len() 函数的成本答案

【问题标题】：Cost of len() functionlen() 函数的成本
【发布时间】：2010-11-10 01:28:24
【问题描述】：

Python 内置函数的len() 函数的成本是多少？ (列表/元组/字符串/字典)

【问题讨论】：

标签： python algorithm collections complexity-theory

【解决方案1】：

您提到的每种类型都是 O(1)（恒定时间，不取决于元素的实际长度 - 非常快），加上 set 和其他类型，例如 array.array .

【讨论】：

感谢您的帮助！是否有任何本机类型不是这种情况？
有趣的是这里只提到了获取长度运行时间 - wiki.python.org/moin/TimeComplexity [未提及其他类型]

【解决方案2】：

在CPython 中对这些数据类型调用 len() 是 O(1)，这是 Python 语言最常见的实现。这是一个表格的链接，该表格提供了 CPython 中许多不同函数的算法复杂性：

TimeComplexity Python Wiki Page

【讨论】：

【解决方案3】：

所有这些对象都会记录自己的长度。提取长度的时间很短（大 O 表示法中的 O(1)）并且主要由 [粗略描述，用 Python 术语而不是 C 术语编写]：在字典中查找“len”并将其发送到内置 len 函数，它将查找对象的 __len__ 方法并调用它......它所要做的就是 return self.length

【讨论】：

我认为这是最合适的答案，因为它可以深入了解实现细节。
为什么length 没有出现在dir(list) 的字典中？
这就是我要找的东西
@ViFI 因为这只是一个例子。图示的 list.lenght 变量是用 C 而非 Python 实现的。
这个解释很中肯，因为它提供了如何确定对象长度的机制。

【解决方案4】：

以下测量结果证明len() 对于常用数据结构的复杂度为 O(1)。

关于timeit 的注意事项：当使用-s 标志并将两个字符串传递给timeit 时，第一个字符串只执行一次且不计时。

列表：

$ python -m timeit -s "l = range(10);" "len(l)"
10000000 loops, best of 3: 0.0677 usec per loop

$ python -m timeit -s "l = range(1000000);" "len(l)"
10000000 loops, best of 3: 0.0688 usec per loop

元组：

$ python -m timeit -s "t = (1,)*10;" "len(t)"
10000000 loops, best of 3: 0.0712 usec per loop

$ python -m timeit -s "t = (1,)*1000000;" "len(t)"
10000000 loops, best of 3: 0.0699 usec per loop

字符串：

$ python -m timeit -s "s = '1'*10;" "len(s)"
10000000 loops, best of 3: 0.0713 usec per loop

$ python -m timeit -s "s = '1'*1000000;" "len(s)"
10000000 loops, best of 3: 0.0686 usec per loop

字典（字典理解在 2.7+ 中可用）：

$ python -mtimeit -s"d = {i:j for i,j in enumerate(range(10))};" "len(d)"
10000000 loops, best of 3: 0.0711 usec per loop

$ python -mtimeit -s"d = {i:j for i,j in enumerate(range(1000000))};" "len(d)"
10000000 loops, best of 3: 0.0727 usec per loop

数组：

$ python -mtimeit -s"import array;a=array.array('i',range(10));" "len(a)"
10000000 loops, best of 3: 0.0682 usec per loop

$ python -mtimeit -s"import array;a=array.array('i',range(1000000));" "len(a)"
10000000 loops, best of 3: 0.0753 usec per loop

集合（集合理解在 2.7+ 中可用）：

$ python -mtimeit -s"s = {i for i in range(10)};" "len(s)"
10000000 loops, best of 3: 0.0754 usec per loop

$ python -mtimeit -s"s = {i for i in range(1000000)};" "len(s)"
10000000 loops, best of 3: 0.0713 usec per loop

双端队列：

$ python -mtimeit -s"from collections import deque;d=deque(range(10));" "len(d)"
100000000 loops, best of 3: 0.0163 usec per loop

$ python -mtimeit -s"from collections import deque;d=deque(range(1000000));" "len(d)"
100000000 loops, best of 3: 0.0163 usec per loop

【讨论】：

这并不是一个很好的基准，尽管它显示了我们已经知道的内容。这是因为 range(10) 和 range(1000000) 不应该是 O(1)。
这是迄今为止最好的答案。您应该添加一个结论，以防有人没有意识到恒定的时间。
感谢您的评论。我添加了关于 len() 的 O(1) 复杂性的注释，并修复了测量以正确使用 -s 标志。
重要的是要注意，将长度保存到变量中可以节省大量的计算时间：python -m timeit -s "l = range(10000);" "len(l); len(l); len(l)" 223 nsec 每循环 python -m timeit -s "l = range(100);" "len(l)" 66.2 nsec 每循环

【解决方案5】：

len 是 O(1)，因为在您的 RAM 中，列表存储为表（一系列连续地址）。要知道表何时停止计算机需要两件事：长度和起点。这就是为什么 len() 是一个 O(1) 的原因，计算机存储了这个值，所以它只需要查找它。

【讨论】：