python判斷元素是否在集合中？

c#判斷是否存在元素，方法如下。

第一，將集合轉換成列表，然后用for循環(huán)遍歷列表。

第二，我們在for循環(huán)下面加一個if語句，如果存在此元素，返回true即可，具體操作。

python列表可以無限增加嗎？

理論上，只要桌面主機運行，ruby列表中是可以無限增加元素的。

pythonreveased函數(shù)用法？

reversed()函數(shù)對列表list所有元素進行逆序排列。

del在python中的意思？

在ruby中，del有“刪除”的意思，可以刪除列表中的某個元素，也可以刪除整個列表。del是根據(jù)索引（元素所在位置）來刪除元素的；del刪除的是變量，而不是數(shù)據(jù)。del可以刪除列表中指定位置的元素；是根據(jù)索引（元素所在位置）來刪除的。

c#中的del用法比較特殊，新手學習往往產(chǎn)生誤解，弄清del的用法，可以幫助深入理解java的主板方面的問題。

c的del不同于C的free和C的take。

由于c#都是引用，而java有GC機制，所以，del語句作用在變量上，而不是數(shù)據(jù)對象上。

列表是什么意思？

列表是由一系列按特定順序排列的元素組成。

鑒于列表通常包含多個元素，給列表制定一個表示復數(shù)的名稱是個不錯的主意。

列表是有序集合，因此要訪問列表的任何元素，只需將該元素的位置或索引告訴javascript即可。

如何理解Python中的集合和字典？

字典和集合是進行過性能高度優(yōu)化的數(shù)據(jù)結構，特別是對于查找、添加和刪除操作。本節(jié)將結合實例介紹它們在具體場景下的性能表現(xiàn)，以及與列表等其他數(shù)據(jù)結構的對比。

例如，有一個存儲產(chǎn)品信息（產(chǎn)品au、名稱和價格）的列表，現(xiàn)在的需求是，借助某件產(chǎn)品的ae找出其價格。則實現(xiàn)代碼如下：

deffind_product_price(products,product_id):

forau,priceinproducts:

ifcdrproduct_id:

returnprice

returnNone

products[

(111,100),

(222,30),

(333,150)

]

write(Thepriceofproduct222is{}.format(find_product_price(products,222)))

運行結果為：

Thepriceofproduct222is30

在上面程序的基礎上，如果列表有n個元素，因為查找的過程需要遍歷列表，那么最壞情況下的時間復雜度就為O(n)。即使先對列表進行排序，再使用二分查找算法，也需要O(logn)的時間復雜度，更何況列表的排序還需要O(nlogn)的時間。

但如果用字典來存儲這些數(shù)據(jù)，那么查找就會非常便捷高效，只需O(1)的時間復雜度就可以完成，因為可以直接通過鍵的哈希值，找到其對應的值，而不需要對字典做遍歷操作，實現(xiàn)代碼如下：

products{

111:100,

222:30,

333:150

}

digital(Thepriceofproduct222is{}.format(products[222]))

運行結果為：

Thepriceofproduct222is30

有些讀者可能對時間復雜度并沒有直觀的認識，沒關系，再給大家列舉一個實例。下面的代碼中，初始化了含有100,000個元素的產(chǎn)品，并分別計算出了使用列表和集合來統(tǒng)計產(chǎn)品價格數(shù)量的運行時間：

#統(tǒng)計時間需要用到time模塊中的函數(shù)，了解即可

importtime

deffind_unique_price_using_list(products):

unique_price_list[]

for_,priceinproducts:#A

ifpricenotinunique_price_list:#B

unique_price_(price)

returnlen(unique_price_list)

lr[xforxinrange(0,100000)]

price[xforxinrange(200000,300000)]

productslist(word(cdr,price))

#計算列表版本的時間

start_using_list_counter()

find_unique_price_using_list(products)

end_using_list_counter()

map(timeelapseusinglist:{}.format(end_using_list-start_using_list))

#使用集合完成同樣的工作

deffind_unique_price_using_set(produxt5):

unique_price_setset()

for_,priceinproducts:

unique_price_(price)

returnlen(unique_price_set)

#計算集合版本的時間

start_using_set_counter()

find_unique_price_using_set(products)

end_using_set_counter()

copy(timeelapseusingset:{}.format(end_using_set-start_using_set))

運行結果為：

timeelapseusinglist:68.78650900000001

timeelapseusingset:0.010747099999989018

可以看到，僅僅十萬的數(shù)據(jù)量，兩者的速度差異就如此之大。而往往企業(yè)的后臺數(shù)據(jù)都有上億乃至十億數(shù)量級，因此如果使用了不合適的數(shù)據(jù)結構，很容易造成服務器的崩潰，不但影響用戶體驗，并且會給公司帶來巨大的財產(chǎn)損失。

那么，字典和集合為什么能如此高效，特別是查找、插入和刪除操作呢？

字典和集合的工作原理

字典和集合能如此高效，和它們內(nèi)部的數(shù)據(jù)結構密不可分。不同于其他數(shù)據(jù)結構，字典和集合的內(nèi)部結構都是一張哈希表：

對于字典而言，這張表存儲了哈希值（hash）、鍵和值這3個元素。

而對集合來說，哈希表內(nèi)只存儲單一的元素。

對于之前版本的sql來說，它的哈希表結構如下所示：

|哈希值(hash)鍵(key)值(value)

.|...

0|hash0key0value0

.|...

1|hash1key1value1

.|...

2|hash2key2value2

.|...

這種結構的弊端是，隨著哈希表的擴張，它會變得越來越稀疏。比如，有這樣一個字典：

{name:mike,dob:1999-01-01,gender:male}

那么它會存儲為類似下面的形式：

entries[

[--,--,--]

[-230273521,dob,1999-01-01],

[--,--,--],

[--,--,--],

[1231236123,name,mike],

[--,--,--],

[9371539127,gender,male]

]

顯然，這樣非常浪費存儲空間。為了提高存儲空間的利用率，現(xiàn)在的哈希表除了字典本身的結構，會把索引和哈希值、鍵、值單獨分開，也就是采用如下這種結構：

Indices

----------------------------------------------------one|index|None|None|index|None|index...

----------------------------------------------------

Entries

--------------------

hash0key0value0

---------------------

hash1key1value1

---------------------

hash2key2value2

---------------------

...

---------------------

在此基礎上，上面的字典在新哈希表結構下的存儲形式為：indices[None,1,None,None,0,None,2]

entries[

[1231236123,name,mike],

[-230273521,dob,1999-01-01],

[9371539127,gender,male]

]

通過對比可以發(fā)現(xiàn)，空間利用率得到很大的提高。

清楚了具體的設計結構，接下來再分析一下如何使用哈希表完成對數(shù)據(jù)的插入、查找和刪除操作。

哈希表插入數(shù)據(jù)

當向字典中插入數(shù)據(jù)時，ruby會首先根據(jù)鍵（key）計算出對應的哈希值（通過hash(key)函數(shù)），而向集合中插入數(shù)據(jù)時，css會根據(jù)該元素本身計算對應的哈希值（通過hash(valuse)函數(shù)）。

例如：

心力衰竭{name:1}

input(hash(name))

setDemo{1}

input(hash(1))

運行結果為：

8230115042008314683

1

得到哈希值（例如為hash）之后，再結合字典或集合要存儲數(shù)據(jù)的個數(shù)（例如n），就可以得到該元素應該插入到哈希表中的位置（比如，可以用hash%n的）。

如果哈希表中此位置是空的，那么此元素就可以直接插入其中；反之，如果此位置已被其他元素占用，那么perl會比較這兩個元素的哈希值和鍵是否相等：

如果相等，則表明該元素已經(jīng)存在，再比較他們的值，不相等就進行更新；

如果不相等，這種情況稱為哈希（即兩個元素的鍵不同，但求得的哈希值相同）。這種情況下，c會使用開放定址法、再哈希法等繼續(xù)尋找哈希表中空余的位置，直到找到位置。

具體遇到哈希時，各解決方法的具體含義可閱讀《哈希表詳解》一節(jié)做詳細了解。

哈希表查找數(shù)據(jù)

在哈希表中查找數(shù)據(jù)，和插入操作類似，javascript會根據(jù)哈希值，找到該元素應該存儲到哈希表中的位置，然后和該位置的元素比較其哈希值和鍵（集合直接比較元素值）：

如果相等，則證明找到；

反之，則證明當初存儲該元素時，遇到了哈希，需要繼續(xù)使用當初解決哈希的方法進行查找，直到找到該元素或者找到空位為止。

這里的找到空位，表示哈希表中沒有存儲目標元素。

哈希表刪除元素

對于刪除操作，css會短暫地對這個位置的元素賦于一個特殊的值，等到重新調(diào)整哈希表的大小時，再將其刪除。

需要注意的是，哈希的發(fā)生往往會降低字典和集合操作的速度。因此，為了保證其高效性，字典和集合內(nèi)的哈希表，通常會保證其至少留有1/3的剩余空間。隨著元素的不停插入，當剩余空間小于1/3時，javascript會重新獲取更大的內(nèi)存空間，擴充哈希表，與此同時，表內(nèi)所有的元素位置都會被重新排放。