检查列表中是否存在值的最快方法
知道列表中是否存在值（列表中包含数百万个值）及其索引是什么的最快方法是什么？
我知道列表中的所有值都是唯一的，如本例所示。
我尝试的第一种方法是（在我的实际代码中为 3.8 秒）：
a = [4,2,3,1,5,6]
if a.count(7) == 1:
b=a.index(7)
"Do something with variable b"我尝试的第二种方法是（速度提高 2 倍：我的真实代码为 1.9 秒）：
a = [4,2,3,1,5,6]
try:
b=a.index(7)
except ValueError:
"Do nothing"
else:
"Do something with variable b"堆栈溢出用户建议的方法（我的实际代码为 2.74 秒）：
a = [4,2,3,1,5,6]
if 7 in a:
a.index(7)在我的真实代码中，第一种方法耗时 3.81 秒，第二种方法耗时 1.88 秒。这是一个很好的改进，但是：
我是使用 Python / 脚本的初学者，有没有更快的方法来完成相同的事情并节省更多的处理时间？
我的应用程序更具体的说明：
在 Blender API 中，我可以访问粒子列表：
particles = [1, 2, 3, 4, etc.]从那里，我可以访问粒子的位置：
particles[x].location = [x,y,z]对于每个粒子，我通过搜索每个粒子位置来测试是否存在邻居，如下所示：
if [x+1,y,z] in particles.location
"Find the identity of this neighbour particle in x:the particle's index
in the array"
particles.index([x+1,y,z])答案
7 in a最清晰，最快的方法。
您也可以考虑使用set ，但是从列表中构造该 set 所花费的时间可能比更快的成员资格测试所节省的时间更多。唯一可以确定的基准就是基准测试。 （这还取决于您需要执行哪些操作）
正如其他人所述，对于大型列表， in可能会非常慢。这是in ， set和bisect的性能比较。请注意，时间（以秒为单位）是对数刻度。
测试代码：
import random
import bisect
import matplotlib.pyplot as plt
import math
import time
def method_in(a,b,c):
start_time = time.time()
for i,x in enumerate(a):
if x in b:
c[i] = 1
return(time.time()-start_time)
def method_set_in(a,b,c):
start_time = time.time()
s = set(b)
for i,x in enumerate(a):
if x in s:
c[i] = 1
return(time.time()-start_time)
def method_bisect(a,b,c):
start_time = time.time()
b.sort()
for i,x in enumerate(a):
index = bisect.bisect_left(b,x)
if index < len(a):
if x == b[index]:
c[i] = 1
return(time.time()-start_time)
def profile():
time_method_in = []
time_method_set_in = []
time_method_bisect = []
Nls = [x for x in range(1000,20000,1000)]
for N in Nls:
a = [x for x in range(0,N)]
random.shuffle(a)
b = [x for x in range(0,N)]
random.shuffle(b)
c = [0 for x in range(0,N)]
time_method_in.append(math.log(method_in(a,b,c)))
time_method_set_in.append(math.log(method_set_in(a,b,c)))
time_method_bisect.append(math.log(method_bisect(a,b,c)))
plt.plot(Nls,time_method_in,marker='o',color='r',linestyle='-',label='in')
plt.plot(Nls,time_method_set_in,marker='o',color='b',linestyle='-',label='set')
plt.plot(Nls,time_method_bisect,marker='o',color='g',linestyle='-',label='bisect')
plt.xlabel('list size', fontsize=18)
plt.ylabel('log(time)', fontsize=18)
plt.legend(loc = 'upper left')
plt.show()