这篇“Python列表和集合效率源码对比分析”文章的知识点大部分人都不太理解，所以小编给大家总结了以下内容，内容详细，步骤清晰，具有一定的借鉴价值，希望大家阅读完这篇文章能有所收获，下面我们一起来看看这篇“Python列表和集合效率源码对比分析”文章吧。

数据查找效率

关于集合和列表数据查找效率差距到底有多大？先看一组实例：

import time
import random
nums = [random.randint(0, 2000000) for i in range(1000)]
list_test = list(range(1000000))
set_test = set(list_test)
count_list, count_set = 0, 0
t1 = time.time()# 测试在列表中进行查找
for num in nums:
 if num in list_test:
 count_list += 1
t2 = time.time()
for num in nums:# 测试在集合中进行查找
 if num in set_test:
 count_set += 1
t3 = time.time()# 测试在集合中进行查找
print('找到个数，列表：{}，集合：{}'.format(count_list, count_set))
print('使用时间，列表：{:.4f}s'.format(t2 - t1))
print('使用时间，集合：{:.4f}s'.format(t3 - t2))

输出结果为：

找到个数，列表：515，集合：515
使用时间，列表：7.7953s
使用时间，集合：0.0010s

从上面例子可以清楚地看出，集合的查找效率远远高于列表，因此在不同的应用场景下，一定要选择合适的数据类型，在小数据量下看不出来性能区别，一旦换到大数据量下，就会变得差异性很大。

数据存储开销

集合的查找效率比列表要快得多，主要就是他们的存储原理不一样，集合需要消耗更多的空间来存储额外的信息，用空间开销来换时间效率，接下来我们通过getsizeof()函数看看他们存储开销的差异，getiszeof()函数是python的sys模块中用来获取对象内存大小的函数，返回的大小以字节为单位。

import sys
import random
list_test = list(range(1000000))
set_test = set(range(1000000))
print('列表占用大小：', sys.getsizeof(list_test))
print('集合占用大小：', sys.getsizeof(set_test))

输出结果为：

列表占用大小：9000112
集合占用大小：33554656

从结果可以看出，同样的数据内容，集合存储的开销是列表的好几倍。