在C ++中，为了访问“命名的”成员数据，我们不断地做：
const unsigned int CHEESE_CAKE = 0;
const unsigned int CHOCOLATE_CAKE = 1;
...
const unsigned int CHERRY_PIE = 1050;
然后，当我们想要访问与字符串匹配的某些特定资源时，我们可以简单地执行：
mResource[MyClass::CHEESE_CAKE]; // constant time O(1) access
我试图以类似的方式在python中执行此操作：
class MyClass:
MY_CLASS_DATA1 = someData(1)
MY_CLASS_DATA2 = someData(1)
但是根据我的理解，python的成员函数存储在__dict__中，它本质上是一个哈希映射，提供O（logn）查找时间。
有没有办法在python中实现O（1）性能，就像在C ++中一样，或者由于python的动态特性，这是不可能的？
答案 0 :(得分：4)
正确的哈希表实现提供了分摊的O（1）查找时间。当您提到O（log n）时间时，您正在考虑二叉搜索树。 Python名称查找是O（1）。
答案 1 :(得分：3)
我认为这是你的幸运日：python词典的平均复杂度为O（1）（请参阅python wiki上的TimeComplexity）。您无需修改现有代码即可提高性能。
在一个稍微不相关的说明中，由于字典，python对象在内存使用方面与C ++有很大不同。
因此，如果您有内存问题和批次对象，您可以使用__slots__来改进它们;像往常一样，所有的优化都会延迟它们，直到你看到他们的需要为止，并且只有你可以衡量他们实际做了什么。
答案 2 :(得分：0)
不要担心成员查找性能，它足够快。在大多数情况下，字典查找可以安全地被认为是O（1）。
如果你想在窗口中抛出动态查找，你可以创建一个函数元组，并有符号变量来表示它们的索引。我想。
编辑： 另外，就速度而言，Python与C ++相比？仁慈，伙计！他们针对不同的事情！
答案 3 :(得分：0)
那么log n中的n是多少？它是dict中的成员数，只要它不那么大，通常就是这种情况，这可以说是O（1）