執行字符串查找的最快方法？

Question

假設我們有一定數量的可能字符串：

possible_strings_list = ['foo', 'bar', 'baz', 'qux', 'spam', 'ham', 'eggs'] 

並接收已知是其中之一的新字符串。 例如，我們要為每個新字符串分配一個整數

if new_string == 'foo':
    return 0
elif new_string == 'bar':
    return 1
...

在Python 3.6中最快的方法是什么？ 我嘗試了幾種方法，到目前為止，使用字典是最快的：

list_index 2.7494255019701086
dictionary 0.9412809460191056
if_elif_else 2.10705983400112
lambda_function 2.6321219780365936
tupple_index 2.751029207953252
ternary 1.931659944995772
np_where 15.610908019007184

但是，我或多或少是Python新手，如果有其他更快的解決方案，我很感興趣。 你有什么建議嗎？

我完整的testig代碼：

import timeit
import random
import numpy as np

def list_index(i):
    return(possible_strings_list.index(i))

def dictionary(i):
    return possible_strings_dict[i]

def tupple_index(i):
    return possible_strings_tup.index(i)


def if_elif_else(i):
    if i == 'foo':
        return 1
    elif i == 'bar':
        return 2
    elif i == 'baz':
        return 3
    elif i == 'qux':
        return 4
    elif i == 'spam':
        return 5
    elif i == 'ham':
        return 6
    elif i == 'eggs':
        return 7

def ternary(i):
    return 0 if i == 'foo' else 1 if i == 'baz' else 2 if i == 'bar' else 3 if i == 'qux' else 4 if i == 'spam'else 5 if i == 'ham' else 6

n = lambda i: 0 if i == 'foo' else 1 if i == 'baz' else 2 if i == 'bar' else 3 if i == 'qux' else 4 if i == 'spam'else 5 if i == 'ham' else 6
def lambda_function(i):
    return n(i)

def np_where(i):
    return np.where(possible_strings_array == i)[0][0]

##
def check(function):
    for i in testlist:
        function(i)

possible_strings_list = ['foo', 'bar', 'baz', 'qux', 'spam', 'ham', 'eggs']
testlist = [random.choice(possible_strings_list) for i in range(1000)]
possible_strings_dict = {'foo':0, 'bar':1, 'baz':2, 'qux':3, 'spam':4, 'ham':5, 'eggs':6}
possible_strings_tup = ('foo', 'bar', 'baz', 'qux', 'spam', 'ham', 'eggs')
allfunctions = [list_index, dictionary, if_elif_else, lambda_function, tupple_index, ternary, np_where]

for function in allfunctions:
    t = timeit.Timer(lambda: check(function))
    print(function.__name__, t.timeit(number=10000))

Answer 1

字典查找是執行此搜索的最快方法。 在進行這樣的分析時，通常可以比較每個過程的時間復雜度 。

對於字典查找，時間復雜度為“恆定時間”或O（1）。 盡管這通常意味着算法可以采用的整數步長，但在這種情況下實際上是一個整數。

其他方法將需要迭代（或者在if else遍歷的情況下-本質上是類似的方法）。 這些范圍從需要查看所有值O（n）到需要查看某些值O（log n）。

由於n是檢查集的大小，並且隨着檢查集的變大，結果的差異也將隨之增加，其中字典始終優於顯示的其他選項。

沒有比O（1）更快的方法。 您展示的方法的唯一缺點是，隨着集合的增長，可能需要更多的內存，這被稱為算法的空間復雜度。 但是，在這種情況下，由於我們只需要每個值一個值，因此空間復雜度為O（n），可以忽略不計。

在一般意義上的優化中，重要的是要考慮當前解決方案中存在多少復雜性，以及對提高該復雜性有多大意義。 如果要進行改進，則應針對不同級別的性能，例如從O（n）到O（log n）或O（log n）到O（1）。

_{圖片提供： http : //bigocheatsheet.com/}

微觀優化往往是在相同的復雜度層上進行優化的情況，而這些優化本身並不具有建設性。