在 Python 中从列表前面删除一个元素是不是便宜？

Posted 2023-03-05

【中文标题】在 Python 中从列表前面删除一个元素是不是便宜？

【英文标题】：Is removing an element from the front of a list cheap in Python?在 Python 中从列表前面删除一个元素是否便宜？

【发布时间】：2017-06-20 04:24:57

【问题描述】：

我正在编写一个程序，它在数据列表的前面或后面进行大量删除，而不是中间。

我知道删除最后一个元素很便宜，但是删除第一个元素呢？例如，假设列表A 的地址位于4000，那么元素0 位于4000，元素1 位于4001。

将删除元素0，然后让编译器将列表A 的地址放在4001，或者将4001 的元素1 移动到4000 的位置，然后将所有其他元素下降了1?

【问题讨论】：

不，当您从中间或前面删除时，它会调整大小。此外，Python 列表不等同于 C 数组。虽然，在内心深处，有一个 Py_Object 指针数组。

【参考方案1】：

不，它并不便宜。从列表的前面删除一个元素（例如使用list.pop(0)）是一个O(N) 操作，应该避免。同样，在开头插入元素（使用list.insert(0, <value>)）同样效率低下。

这是因为，在调整列表大小后，它的元素必须移动。对于 CPython，在 l.pop(0) 的情况下，this is done with memmove 而对于 l.insert(0, <value>)，the shifting is implemented with a loop through the items stored。

列表是为快速随机访问和O(1)在其结束操作而构建的。

---

由于您经常执行此操作，因此您应该考虑使用deque from the collections module（正如@ayhan 在评论中建议的那样）。 deque 上的文档还强调了 list 对象不适合这些操作：

虽然列表对象支持类似的操作，但它们针对快速固定长度操作进行了优化，并且为pop(0) 和insert(0, v) 操作带来了O(n) 内存移动成本这会改变底层数据表示的大小和位置。

^{（强调我的）}

deque 数据结构为双方（开始和结束）提供O(1) 复杂性，appendleft/popleft 和 append/pop 方法分别用于开始和结束。

当然，对于小尺寸，这会产生一些额外的空间要求（由于 deque 的结构），这通常应该是无关紧要的（正如@juanpa 在评论中指出的那样，并不总是成立）列表的大小会增长。最后，正如@ShadowRanger 富有洞察力的评论所指出的那样，对于非常小的序列大小，从前面弹出或插入的问题会变得微不足道，以至于它变得完全无关紧要。

因此，简而言之，对于包含许多项目的列表，如果您需要从两侧快速追加/弹出，请使用deque，否则，如果您随机访问并追加到末尾，请使用lists。

【讨论】：

实际上，根据我的经验，deques 比列表小。尝试一个简单的测试，for i in range(0, 10000000, 100000): l,d = list(range(i)), deque(range(i)); print(sys.getsizeof(l), sys.getsizeof(d))。列表总是稍大一些。

@juanpa.arrivillaga 您正在使用 list 初始化程序，它总是创建更大的列表，尝试使用理解（或文字，对于较小的列表）并将其提供给 deque 并计数尺寸再次。较大的大小似乎存在一些差异（可能是由于这些分配内存的方式），但总的来说，我认为在较小的大小中列表较小的断言是成立的。

我确实尝试过使用列表理解。最后阅读：81528056 82500632。本质上，在这种情况下，列表理解将优化存储，并且存在具有相同大小的列表运行。在运行开始时，它比等效的双端队列略小。在运行的中间，双端队列变小了。它可能平均大约洗一次。但基本上，我的结论是双端队列通常更小或大小相同。

实际上，列表在运行的开始时更大，相对于结束时的双端队列更小。

注意：对于一个永远不会超过个位数长度的序列，使用list 或deque 无关紧要；当然，前面的poping 将是O(n)，但是当n 是6 时，Python 的固定开销超过了避免memmove 的任何好处，事实上，新的@987654359当您到达当前块的末尾时，@ 块将间歇性地为 deque 分配（其中长度范围较窄的 list 永远不需要重新分配）会使性能不太一致。在长度有意义之前，与解释器开销相比，它只是噪音。

【参考方案2】：

在 Python 中从列表的前面删除元素是 O(n)，而从 collections.deque 的末尾删除元素只是 O(1)。因此，双端队列非常适合您的目的，但是应该注意，从双端队列中间访问或添加/删除比列表更昂贵。

删除的 O(n) 成本是因为 CPython 中的列表简单地实现为指针数组，因此您对每个元素的移动成本的直觉是正确的。

这可以在 Wiki 上的 Python TimeComplexity page 中看到。