这两种方法哪一种更快？是否有一种“更好”的方法？基本上我有两个集合，最终想从这两个列表中得到一个匹配项。所以实际上，我的for循环更像是：
for object in set:
if object in other_set:
return object
就像我说的一样 - 我只需要一个匹配项，但我不确定如何处理intersection()，所以我不知道它是否更好。此外，如果有帮助的话，other_set是一个近10万个组件的列表，而set可能只有几百个，最多几千个。
from timeit import timeit
setup = """
from random import sample, shuffle
a = range(100000)
b = sample(a, 1000)
a.reverse()
"""
forin = setup + """
def forin():
# a = set(a)
for obj in b:
if obj in a:
return obj
"""
setin = setup + """
def setin():
# original method:
# return tuple(set(a) & set(b))[0]
# suggested in comment, doesn't change conclusion:
return next(iter(set(a) & set(b)))
"""
print timeit("forin()", forin, number = 100)
print timeit("setin()", setin, number = 100)
时间：
>>>
0.0929054012768
0.637904308732
>>>
0.160845057616
1.08630760484
>>>
0.322059185123
1.10931801261
>>>
0.0758695262169
1.08920981403
>>>
0.247866360526
1.07724461708
>>>
0.301856152688
1.07903130641
>>>
0.000413064976328
0.152831597075
>>>
0.00402408388788
1.49093627898
>>>
0.00394538156695
1.51841512101
>>>
0.00397715579584
1.52581949403
>>>
0.00421472926155
1.53156769646
next(x for x in the_list if x in the_set)。 - Jochen Ritzelnext和for/if in测试之间）。但在我所有的测试中，在函数调用之前将其转换为一个集合是更好的选择，可以大大提高速度。 - milkypostmannext(iter(set(a) & set(b)))，你可以跳过在 tuple(set(a) & set(b))[0] 中创建大元组的开销。 - Brandon Rhodes我知道这是一篇较旧的帖子。但我来到这里是想查找使用intersection与in进行性能比较，并认为值得添加更多信息。上面的答案很好，但对于实际最佳方案让我感到不清楚。
"第一个结果"解决方案不能解决我的特定用例。
相反，我想知道如何使用离散方法生成产生相同结果集的不同实现的性能表现。而不仅仅是第一个交集值。因此，我在下面包含了代码来执行选项评估并进行1000次循环测试。与@agf发表的相反，当期望输出是匹配列表时，使用set速度要快得多。
我的测试结果是:
runForin took 132851.600ms
runForinBlist took 37700.916ms
True
runForInListComp took 132783.147ms
True
runForinSet took 780.919ms
True
runSetIntersection took 760.980ms (WINNER)
True
runSetin took 771.921ms
True
这里是代码，希望能对某些人有所帮助。注意：我还评估了blist (http://stutzbachenterprises.com/blist/blist.html)库，因为它在其他用例中表现相当出色。
import time
from random import sample, shuffle
from blist import blist
a = range(100000)
aBlist = blist([i for i in a])
b = sample(a, 1000)
a.reverse()
def print_timing(func):
def wrapper(*arg):
t1 = time.time()
res = func(*arg)
t2 = time.time()
print '%s took %0.3fms' % (func.func_name, (t2-t1)*1000.0)
return res
return wrapper
def forIn():
ret = []
for obj in b:
if obj in a:
ret.append(obj)
return ret
def forInBlist():
ret = []
for obj in b:
if obj in aBlist:
ret.append(obj)
return ret
def forInListComp():
return [value for value in b if value in a]
def forInSet():
ret = []
for obj in b:
if obj in set(a):
ret.append(obj)
return ret
def setIntersection():
return set(a).intersection(b)
def setIn():
return list(set(a) & set(b))
@print_timing
def runForIn(times):
for i in range(times):
ret = forIn()
return ret
@print_timing
def runForInBlist(times):
for i in range(times):
ret = forInBlist()
return ret
@print_timing
def runForInListComp(times):
for i in range(times):
ret = forInListComp()
return ret
@print_timing
def runForInSet(times):
for i in range(times):
ret = forInSet()
return ret
@print_timing
def runSetIntersection(times):
for i in range(times):
ret = setIntersection()
return ret
@print_timing
def runSetIn(times):
for i in range(times):
ret = setIn()
return ret
def checkResults(results):
master = None
for resultSet in results:
if not master:
master = sorted(list(resultSet))
continue
try:
if master != sorted(list(resultSet)):
return False, master, sorted(list(resultSet))
except:
print resultSet
return False
return True
iterations = 5
results = []
runForInResults = runForIn(iterations)
results.append(runForInResults)
runForInBlistResults = runForInBlist(iterations)
results.append(runForInBlistResults)
print checkResults(results)
runForInListCompResults = runForInListComp(iterations)
results.append(runForInListCompResults)
print checkResults(results)
runForInSetResults = runForInSet(iterations)
results.append(runForInSetResults)
print checkResults(results)
runSetIntersectionResults = runSetIntersection(iterations)
results.append(runSetIntersectionResults)
print checkResults(results)
runSetInResults = runSetIn(iterations)
results.append(runSetInResults)
print checkResults(results)
你的代码很好。对于集合，使用if object in other_set进行项目查找非常高效。
我写了一个简单的工具，用来检查两个集合是否至少有一个共同元素。今天我遇到了同样的优化问题，你的帖子救了我的一天。这只是一种感谢你指出这一点的方式，希望这也能帮助其他人：）
注意：该工具不会返回第一个共同元素，而是在它们至少有一个共同元素时返回true，否则返回false。当然，它可以很容易地被修改以满足你的目标。
def nonEmptyIntersection(A, B):
"""
Returns true if set A intersects set B.
"""
smaller, bigger = A, B
if len(B) < len(A):
smaller, bigger = bigger, smaller
for e in smaller:
if e in bigger:
return True
return False
intersection会一直寻找，直到找到所有匹配项，但另一方面，intersection是用C实现的，所以实际代码运行速度更快。 - Thomas Kfilter(other_set.__contains__, some_set)和差异filter(lambda x: other_set.__contains__(x), some_set)。 - 0 _