python高效试用17---两个字符串组成一个新的字符串和两个字符串组成元组作为key哪个更高效

在 Python 中，使用字符串连接 (str1 + str2) 作为 key 和使用元组 ((str1, str2)) 作为 key 的效率差异，主要受以下因素影响：

哈希计算速度：

字符串连接 (str1 + str2)：会创建一个新的字符串对象，并计算哈希值。

元组 ((str1, str2))：元组的哈希值是基于内部元素的哈希值计算的，不会创建新的字符串对象。

存储和查找性能：

字符串连接：需要额外的内存来存储新创建的字符串，并且哈希计算可能稍慢。

元组：由于 Python 内部对元组的哈希计算进行了优化，通常会更高效。

测试代码：

python 复制代码

import time
import random
import string
from pyecharts import options as opts
from pyecharts.charts import Bar


def generate_random_string(length):
    return ''.join(random.choices(string.ascii_letters, k=length))


def test_dict_key_efficiency(str_lengths, n_times=10000):
    results = []

    for length in str_lengths:
        str1 = generate_random_string(length)
        str2 = generate_random_string(length)
        dict_str = {}
        dict_tuple = {}

        # 测试字符串拼接作为 key
        start = time.perf_counter()
        for _ in range(n_times):
            key = str1 + str2
            dict_str[key] = _
        str_time = time.perf_counter() - start

        # 测试元组作为 key
        start = time.perf_counter()
        for _ in range(n_times):
            key = (str1, str2)
            dict_tuple[key] = _
        tuple_time = time.perf_counter() - start

        results.append((length, str_time, tuple_time))

    return results


# 设置字符串长度列表
str_lengths = [5, 10, 15, 20]
results = test_dict_key_efficiency(str_lengths)

# 提取数据进行可视化
x_labels = [f"{length} chars" for length, _, _ in results]
y_str_times = [round(str_time,6) for _, str_time, _ in results]
y_tuple_times = [round(tuple_time,6) for _, _, tuple_time in results]

bar = (
    Bar()
    .add_xaxis(x_labels)
    .add_yaxis("字符串拼接", y_str_times)
    .add_yaxis("元组", y_tuple_times)
    .set_global_opts(title_opts=opts.TitleOpts(title="字典 Key 访问时间对比"))
)

bar.render("key_efficiency_comparison.html")