最快的方法来检查列表中是否存在一个值

我正在寻找最快的方法来知道一个列表中是否存在一个值（一个有数百万个值的列表）以及它的索引是什么？ 我知道列表中的所有值都是独特的，就像我的例子。

我尝试的第一种方法是（在我的真实代码中为3.8秒）：

a = [4,2,3,1,5,6] if a.count(7) == 1: b=a.index(7) "Do something with variable b" 

我尝试的第二种方法是（快两倍：我的真实代码1.9秒）：

 a = [4,2,3,1,5,6] try: b=a.index(7) except ValueError: "Do nothing" else: "Do something with variable b" 

来自Stackoverflow用户的build议方法（在我的真实代码上2.74秒）：

 a = [4,2,3,1,5,6] if 7 in a: a.index(7) 

在我的实际代码中，第一个方法需要3.81秒，第二个方法需要1.88秒。 这是一个很好的改进，但是：

我是一个Python /脚本编程的初学者，我想知道是否有最快的方法来做同样的事情，并节省更多的处理时间？

我的应用程序更具体的说明：

在搅拌机的API中，可以访问粒子列表：

 particles = [1,2,3,4...etc.] 

从那里，我可以访问它的位置：

 particles[x].location = [x,y,z] 

而且我通过search每个粒子的位置来testing每个粒子是否存在邻居：

 if [x+1,y,z] in particles.location "find the identity of this neighbour particles in x:the index of the particles array" particles.index([x+1,y,z]) 

Answer 1

 7 in a 

最清楚，最快速的方式来做到这一点。

您也可以考虑使用一个set ，但是从列表中构build该集合可能需要更多的时间，而更快的成员资格testing将会节省。 要确定的唯一方法就是做好基准。 （这也取决于你需要什么操作）

Answer 2

正如其他人所说， in大型列表中速度可能会非常慢。 这里是一些比较的performance， in ， set bisect 。 注意时间（秒）是以对数为单位。

testing代码：

 import random import bisect import matplotlib.pyplot as plt def method_in(a,b,c): start_time = time.time() for i,x in enumerate(a): if x in b: c[i] = 1 return(time.time()-start_time) def method_set_in(a,b,c): start_time = time.time() s = set(b) for i,x in enumerate(a): if x in s: c[i] = 1 return(time.time()-start_time) def method_bisect(a,b,c): start_time = time.time() b.sort() for i,x in enumerate(a): index = bisect.bisect_left(b,x) if index < len(a): if x == b[index]: c[i] = 1 return(time.time()-start_time) def profile(): time_method_in = [] time_method_set_in = [] time_method_bisect = [] Nls = [x for x in range(1000,20000,1000)] for N in Nls: a = [x for x in range(0,N)] random.shuffle(a) b = [x for x in range(0,N)] random.shuffle(b) c = [0 for x in range(0,N)] time_method_in.append(math.log(method_in(a,b,c))) time_method_set_in.append(math.log(method_set_in(a,b,c))) time_method_bisect.append(math.log(method_bisect(a,b,c))) plt.plot(Nls,time_method_in,marker='o',color='r',linestyle='-',label='in') plt.plot(Nls,time_method_set_in,marker='o',color='b',linestyle='-',label='set') plt.plot(Nls,time_method_bisect,marker='o',color='g',linestyle='-',label='bisect') plt.xlabel('list size', fontsize=18) plt.ylabel('log(time)', fontsize=18) plt.legend(loc = 'upper left') plt.show() 

Answer 3

 a = [1,2,3,4,'a','b','c'] return 'a' in a 

用这个你可以在数组中find你想要的值。 这是知道所选值是否在数组中的最快方法。

Answer 4

你可以把你的物品放入一个set 。 设置查找是非常有效的。

尝试：

 s = set(a) if 7 in s: # do stuff 

编辑在评论中，你说你想获得元素的索引。 不幸的是，集合没有元素位置的概念。 另一种方法是预先对列表进行sorting，然后在每次需要查找元素时使用二进制search 。

Answer 5

 a = [4,2,3,1,5,6] index = dict((y,x) for x,y in enumerate(a)) try: a_index = index[7] except KeyError: print "Not found" else: print "found" 

如果a不改变，这只是一个好主意，因此我们可以做一次dict（）部分，然后重复使用它。 如果确实有变化，请提供更多关于你在做什么的细节。

Answer 6

这听起来像你的应用程序可能会从使用Bloom Filter数据结构中获得优势。

总之，布隆filter查找可以很快地告诉你，如果一个值是一个集合中DEFINITELY不存在。 否则，你可以做一个较慢的查找来得到一个值可能在列表中的索引。 因此，如果您的应用程序往往会更频繁地得到“未find”结果，那么“find”结果，您可能会看到通过添加Bloom Filter来加速。

有关详细信息，Wikipedia提供了有关Bloom Filters如何工作的良好概述，而对“python bloom filter库”的networkingsearch将提供至less一些有用的实现。

Answer 7

这不是代码，而是非常快的searchalgorithm

如果你的列表和你正在寻找的值都是数字，这是非常简单的，如果string：看底部：

• -let“n”是你列表的长度
• – 可选步骤：如果你需要元素的索引：添加第二列到元素的当前索引（0到n-1）的列表中 – 稍后参考
• 订购您的清单或其副本（.sort（））
• 循环：
  • 将您的号码与列表的第n / 2个元素进行比较
    • 如果较大，则在索引n / 2-n之间再次循环
    • 如果较小，则在索引0-n / 2之间再次循环
    • 如果相同：你find了
• 不断缩小列表，直到find它或只有2个数字（低于和高于你正在查找的数字）
• 这将在1.000.000 （log（2）n） 列表中以最多19个步骤find任何元素，

如果您还需要您的号码的原始位置，请在第二个索引列中查找

如果你的列表不是由数字组成的，那么这个方法仍然可以工作，而且速度也是最快的，但是你可能需要定义一个函数来比较/sortingstring

当然这需要sort（）方法的投资，但是如果你不断重复使用同一个列表进行检查，那么可能是值得的

Answer 8

尝试

 n =0 while n <= 7: list_a = ['omar','loubna','najawa','mohamed','essa','ahmed'] x = input("Enter your name:") n = n+1 if x in list_a: print("ok") if x not in list_a: print("ValueError: ",x, "is not in list")