python - python中列表的减法，优化速度

Question

为了在 python 中找出两个列表的替换，我使用:

names_of_files_not_dowloaded = [item for item in total_files if item not in names_of_files_downloaded]

它有效。

列表的大小是:

文件总数56373个元素

下载的文件列表 28464 个元素

它持续 34 秒。 不知何故，我的直觉是 34 秒太长了。 有什么方法可以更有效地进行减法？

谢谢

编辑: 元素类似于“AB12345”

列表没有任何重复的元素，它们已经是集合了

Answer 1

只需将 files_downloaded 设为集合而不是列表即可。列表可能需要列表的完整迭代来进行成员资格检查，每次您想进行检查。然而，集合是 much more efficient to do a lookup on .

只需使用:

downloaded_set = set(files_downloaded)
list_of_files_not_dowloaded = [item for item in total_files if item not in downloaded_set]

将列表放入集合会产生初始成本，但之后的成员资格检查会快得多。

---

@juanpa.arrivillaga 在评论中还提到，造成性能下降的另一个原因是 in 对字符串进行相等性检查，而在使用 Sets 时会比较哈希值，而后者要便宜得多.

看起来，如果我正确阅读源代码，CPython's lists use a straight equality check to do comparisons when checking for membership .据推测，Sets 使用哈希，并且它们在 Set 创建时被缓存。