Python中dict.has_key和dict中的key之间的效率差异[重复]答案

【问题标题】：Efficiency difference between dict.has_key and key in dict in Python [duplicate]Python中dict.has_key和dict中的key之间的效率差异[重复]
【发布时间】：2012-07-09 01:25:43
【问题描述】：

可能重复：
'has_key()' or 'in'?

在 Python 中，有两种方法可以确定 key 是否在 dict 中：

if dict.has_key(key) 和 if key in dict

有人告诉我，第二个比第一个慢，因为 in 关键字使表达式在 dict 上进行迭代，所以它会比 has_key 替代品慢，后者显然使用哈希来制作决定。

由于我非常怀疑两者之间的区别，因为我认为 Python 足够聪明，可以将 dict 之前的 in 关键字转换为某种哈希方式，因此我找不到任何关于此的正式声明。

那么两者之间真的有效率差异吗？

谢谢。

【问题讨论】：

标签： python performance dictionary

【解决方案1】：

这两个操作都做同样的事情：检查在字典中实现的哈希表的键。两者都不会迭代整个字典。请记住，for x in dict 与 if x in dict 不同。它们都使用in关键字，但操作不同。

in 关键字成为对dict.__contains__ 的调用，dict 可以随心所欲地实现它。

如果这些操作的时间有差异，会非常小，和has_key的函数调用开销有关。

顺便说一句，一般偏好key in dict 比dict.has_key(key) 更清楚地表达意图。请注意，速度与偏好无关。除非您知道自己处于关键路径中，否则可读性比速度更重要。

【讨论】：

....所有这些，此外，'has_key()' 已被弃用，不应再使用。 :)

【解决方案2】：

has_key 不是替代品。它已被弃用。不要使用它。（反正比较慢）

【讨论】：

【解决方案3】：

D.has_key实际上是因为函数调用变慢了：

>>> D = dict((x, y) for x, y in zip(range(1000000), range(1000000)))
>>> from timeit import Timer
>>> t = Timer("1700 in D", "from __main__ import D")
>>> t.timeit()
0.10631704330444336
>>> t = Timer("D.has_key(1700)", "from __main__ import D")
>>> t.timeit()
0.18113207817077637

【讨论】：

好吧，考虑到 timeit 运行语句一百万次，数字以秒为单位，绝对时间差很小
大约 80 纳秒..
不过，这几乎是两倍的差异。您提出了一个很好的观点（隐含地）将优化工作集中在有意义的地方，但仍然如此。