from datetime import datetime
listA = range(10000000)
setA = set(listA)
tupA = tuple(listA)
#Source Code

def calc(data, type):
start = datetime.now()
if data in type:
print ""
end = datetime.now()
print end-start

calc(9999, listA)
calc(9999, tupA)
calc(9999, setA)

比较所有3个迭代10次后的输出: 比较

我感兴趣的结果时，检查与CPython，如果一个值是一个少量文字。set在python3中胜过tuple, list和or:

from timeit import timeit

def in_test1():
  for i in range(1000):
    if i in (314, 628):
      pass

def in_test2():
  for i in range(1000):
    if i in [314, 628]:
      pass

def in_test3():
  for i in range(1000):
    if i in {314, 628}:
      pass

def in_test4():
  for i in range(1000):
    if i == 314 or i == 628:
      pass

print("tuple")
print(timeit("in_test1()", setup="from __main__ import in_test1", number=100000))
print("list")
print(timeit("in_test2()", setup="from __main__ import in_test2", number=100000))
print("set")
print(timeit("in_test3()", setup="from __main__ import in_test3", number=100000))
print("or")
print(timeit("in_test4()", setup="from __main__ import in_test4", number=100000))

输出:

tuple
4.735646052286029
list
4.7308746771886945
set
3.5755991376936436
or
4.687681658193469

对于3到5个字面量，set仍然以较大的优势胜出，并且or成为最慢的。

在Python 2中，set总是最慢的。Or是2到3个字面量时最快的，tuple和list是4个或更多字面量时更快的。我无法区分元组和列表的速度。

当要测试的值缓存在函数外的全局变量中，而不是在循环中创建文字时，set每次都胜出，即使在python2中也是如此。

这些结果适用于Core i7上的64位CPython。

这取决于你打算用它做什么。

当涉及到确定一个对象是否存在于set中时(如x在s中)，set的速度要快得多，但它的元素是没有顺序的，因此您不能像在列表中那样通过索引访问项目。在实践中，迭代集的速度也比较慢。

您可以使用timeit模块查看哪种方法更适合您的情况。

当您只想遍历值时，列表比集合略快。

但是，如果您想检查一个项是否包含在集合中，那么集合要比列表快得多。但是它们只能包含独特的项目。

事实证明，元组的执行方式几乎与列表完全相同，除了它们的不可变性。

迭代

>>> def iter_test(iterable):
...     for i in iterable:
...         pass
...
>>> from timeit import timeit
>>> timeit(
...     "iter_test(iterable)",
...     setup="from __main__ import iter_test; iterable = set(range(10000))",
...     number=100000)
12.666952133178711
>>> timeit(
...     "iter_test(iterable)",
...     setup="from __main__ import iter_test; iterable = list(range(10000))",
...     number=100000)
9.917098999023438
>>> timeit(
...     "iter_test(iterable)",
...     setup="from __main__ import iter_test; iterable = tuple(range(10000))",
...     number=100000)
9.865639209747314

确定是否存在一个对象

>>> def in_test(iterable):
...     for i in range(1000):
...         if i in iterable:
...             pass
...
>>> from timeit import timeit
>>> timeit(
...     "in_test(iterable)",
...     setup="from __main__ import in_test; iterable = set(range(1000))",
...     number=10000)
0.5591847896575928
>>> timeit(
...     "in_test(iterable)",
...     setup="from __main__ import in_test; iterable = list(range(1000))",
...     number=10000)
50.18339991569519
>>> timeit(
...     "in_test(iterable)",
...     setup="from __main__ import in_test; iterable = tuple(range(1000))",
...     number=10000)
51.597304821014404

列表性能:

>>> import timeit
>>> timeit.timeit(stmt='10**6 in a', setup='a = list(range(10**6))', number=1000)
15.08

设置性能:

>>> timeit.timeit(stmt='10**6 in a', setup='a = set(range(10**6))', number=1000)
3.90e-05

您可能想考虑元组，因为它们类似于列表，但不能修改。它们占用的内存更少，访问速度更快。它们没有列表那么灵活，但比列表更有效。它们的正常用途是作为字典键。

集合也是序列结构，但与列表和元组有两个不同。尽管集合确实有一个顺序，但这个顺序是任意的，不受程序员的控制。第二个区别是集合中的元素必须是唯一的。

根据定义设置。[python | wiki]。

>>> x = set([1, 1, 2, 2, 3, 3])
>>> x
{1, 2, 3}

博士tl;

数据结构(DS)很重要，因为它们用于对数据执行操作，这基本上意味着:获取一些输入，处理它，然后返回输出。

在某些特定情况下，一些数据结构比其他数据结构更有用。因此，问哪个(DS)更高效/更快是很不公平的。这就像问刀和叉之间哪个工具更有效率一样。我的意思是，这取决于具体情况。

列表

列表是可变序列，通常用于存储同构项的集合。

Sets

set对象是不同哈希对象的无序集合。它通常用于测试成员关系，从序列中删除重复项，并计算数学操作，如交集，并，差，和对称差。

使用

从一些答案中可以明显看出，在遍历值时，列表要比集合快得多。另一方面，在检查一个项是否包含在set中时，set要比list快。因此，你唯一能说的是，对于某些特定的操作，列表比集合好，反之亦然。