Python集合与列表生成随机数效率对比分析

拾柒
拾柒
发布时间:2026-10-13| 3人浏览过
原创

本文通过具体代码案例,对比了Python中使用列表append方法与集合add方法生成指定数量不重复随机数的执行效率。测试结果显示,利用集合自动去重的特性,其运行时间显著低于列表逐个判断追加的方式,为处理大量不重复数据提供了更高效的方案参考。

Python集合与列表生成随机数效率对比分析

本文通过具体实例解析Python中集合运算的相关应用,旨在为读者提供实用的参考代码与思路。

接下来将探讨在Python中生成不重复随机数时,不同数据结构对执行效率的影响。


import random
import time
def RandomNumbers(number, start, end):
  '''使用列表来生成number个介于start和end之间的不重复随机数'''
  data = []
  n = 0
  while True:
    element = random.randint(start, end)
    if element not in data:
      data.append(element)
      n += 1
    if n == number - 1:
      break
  return data
def RandomNumbers1(number, start, end):
  '''使用列表来生成number个介于start和end之间的不重复随机数'''
  data = []
  while True:
    element = random.randint(start, end)
    if element not in data:
      data.append(element)
    if len(data) == number:
      break
  return data
def RandomNumbers2(number, start, end):
  '''使用集合来生成number个介于start和end之间的不重复随机数'''
  data = set()
  while True:
    data.add(random.randint(start, end))
    if len(data) == number:
      break
  return data
start = time.time()
for i in range(1000):
  RandomNumbers(1000, 1, 10000)
print('Time used:', time.time()-start)
start = time.time()
for i in range(1000):
  RandomNumbers1(1000, 1, 10000)
print('Time used1:', time.time()-start)
start = time.time()
for i in range(1000):
  RandomNumbers2(1000, 1, 10000)
print('Time used2:', time.time()-start)

经过多次循环测试,最终得到的耗时数据如下所示:

==================== RESTART: C:/Users/xuzm/Desktop/比较.py ==================== Time used: 24.607422828674316 Time used1: 24.069069623947144 Time used2: 4.816216945648193 >>>

从上述测试数据可以明显看出:

使用列表的append方法逐个追加元素并判断是否重复,其效率远低于直接使用集合的add方法。这是因为集合底层基于哈希表实现,添加元素时自动处理重复项,避免了列表遍历查找的开销。

此外,本文还提供了几个相关的在线工具供开发者日常使用:

在线随机数生成工具: http://tools.jb51.net/aideddesign/rnd_num

在线随机生成个人信息数据工具: http://tools.jb51.net/aideddesign/rnd_userinfo

在线随机字符或随机密码生成工具: http://tools.jb51.net/aideddesign/rnd_password

在线随机数字或字符串生成工具: http://tools.jb51.net/aideddesign/suijishu

更多关于Python相关内容感兴趣的读者可查看本站专题:《Python数学运算技巧总结》、《Python字符串操作技巧汇总》、《Python编码操作技巧总结》、《Python数据结构与算法教程》、《Python函数使用技巧总结》、《Python入门与进阶经典教程》及《Python文件与目录操作技巧汇总》

希望本文所述的效率对比分析能对大家的Python程序设计有所帮助。

免责声明:本文内容仅供参考,不代表本站观点。转载或引用请注明出处。

Python 相关产品和应用

全部下载
Selenium

Selenium

4.51.0 · Windows

用于浏览器自动化和 Web 测试的 Python 工具。

scikit-learn

scikit-learn

1.9.1 · Windows

常用 Python 机器学习算法与模型评估工具库。

Black

Black

26.10.1 · Windows

强调一致性的 Python 自动代码格式化工具。

Ruff

Ruff

0.17.1 · macOS

由 Rust 编写的高速 Python 代码检查和格式化工具。

pytest

pytest

9.1.1 · Windows

简洁而强大的 Python 自动化测试框架。

FastAPI

FastAPI

0.146.0 · Windows

高性能 Python API 框架,支持类型提示和自动接口文档。

Flask

Flask

3.1.3 · Windows

轻量灵活的 Python Web 应用框架。

Django

Django

6.1.2 · Windows

成熟的 Python Web 框架,适合构建内容站点和业务系统。

Spyder

Spyder

6.1.7 · Windows

面向科学计算与数据分析的 Python 集成开发环境。

SciPy

SciPy

1.18.1 · Windows

面向科学、工程和技术计算的 Python 算法库。