Python 字典中使用了 hash table，因此查找操作的复杂度为 O(1)，而 list 实际是个数组，在 list 中，查找需要遍历整个 list，其复杂度为 O(n)，因此对成员的查找访问等操作字典要比 list 更快。
import time
arr = ['apple', 'samsung', 'huawei', 'python', 'java', 'c', 'C++', 'C#', 'php', 'ruby',\
'go','asp', 'html', 'huashuo', 'lianxiang', 'deer', 'jpg', 'pdf', 'txt', 'png', 'exe']
# arr = dict.fromkeys(arr, True)
t = time.time() # 程序开始的时间
filet = []
for i in range(1000000):
for i in ['apple', 'pdf', 'lianxiang', 'java', 'samsung']:
if i in arr: # 没有去掉前一句注释的时候，这里的arr使用的是列表那个结构，如果去掉注释，那么它是转换为字典类型使用的
filet.append(i)
end = time.time() - t # 程序结束的时间
filet = set(filet)
print(end)
print(filet)
上述代码运行大概需要 5.7s左右的时间。如果去掉行 # arr = dict.fromkeys(arr, True)的注释，将 list 转换为字典之后再运行，时间大约为 3.7s，效率提高了一小半。因此在需要多数据成员进行频繁的查找或者访问的时候，使用 dict 而不是 list 是一个较好的选择。
set 常见用法
语法 操作 说明
set(list1) | set(list2) union 包含 list1 和 list2 所有数据的新集合
set(list1) & set(list2) intersection 包含 list1 和 list2 中共同元素的新集合
set(list1) - set(list2) difference 在 list1 中出现但不在 list2 中出现的元素的集合
对循环的优化
对循环的优化所遵循的原则是尽量减少循环过程中的计算量，有多重循环的尽量将内层的计算提到上一层。 下面通过实例来对比循环优化后所带来的性能的提高。如果不进行循环优化，其大概的运行时间约为 132.375。
循环优化前
from time import time
t = time()
lista = [1,2,3,4,5,6,7,8,9,10]
listb =[0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,0.01]
for i in range (1000000):
for a in range(len(lista)):
for b in range(len(listb)):
x=lista[a]+listb[b]
print("total run time:")
print(time()-t)
现在进行如下优化，将长度计算提到循环外，将第三层的计算 lista[a] 提到循环的第二层。
循环优化后
from time import time
t = time()
lista = [1,2,3,4,5,6,7,8,9,10]
listb =[0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,0.01]
len1=len(lista)
len2=len(listb)
for i in range (1000000):
for a in range(len1):
temp=lista[a]
for b in range(len2):
x=temp+listb[b]
print(time()-t)
上述优化后的程序其运行时间缩短为 102.171999931。优化前的 lista[a] 被计算的次数为 10000001010，而在优化后的代码中被计算的次数为1000000*10，计算次数大幅度缩短，因此性能有所提升。
ASCII码转换
ord('a') //97，用于ASCII码将字符型转为数字型
chr(97) //a, 用于ASCII码将数字型转为字符型