Python实现带子索引值的两个列表高效比对方案问询

首先你写的测试代码输出no是逻辑错误导致的：'3448ed1c4bb4' in L2是在L2的顶层元素里匹配字符串，但L2的顶层元素全是二元列表（比如['item1', '3448ed1c4bb4']），不可能直接匹配到内部的字符串，自然返回错误结果。

针对你的核心疑问：完全不需要每次查找都遍历整个L2，千级甚至更大规模的数据都有非常高效的可扩展实现，核心思路是用哈希表（Python原生dict）预处理L2，把后续查询的时间复杂度降到O(1)。

实现思路 #

• 仅遍历1次L2，构建映射字典：以item编号为键，把对应条目下逗号分隔的所有字母数字值拆成集合作为字典值。集合的成员判断效率远高于列表、字符串，是O(1)操作。
• 遍历L1逐条校验：对每个L1条目，先通过字典O(1)查找对应item编号是否在L2存在，不存在直接跳过；存在则拆分当前条目的所有值，逐个判断是否在L2对应的值集合中，按要求输出标识即可。

可直接运行的代码 #

L1 = [['item1', '3448ed1c4bb4'], ['item2', '6448ed1c4a2d'], ['item3', '8448ed1c4997,0048ed1c4997'], ['item4', 'b026282829e0,b02628b8cf36'], ['item5', 'b02628281bc0,b02628b99bc0'], ['item6', 'b02628281d40,b02628b9b156'], ['item7', '0050569bb9c2'], ['item8', '0050569a7b85'], ['item9', '3cecef5ee170,5254000fbd5a']]
L2 = [['item1', '3448ed1c4bb4'], ['item2', '3448ed1c4a2d'], ['item3', '6448ed1c4997'], ['item4', 'c026282829e0,b02628b8cf36'], ['item5', 'b02628281bc0,b02628b99bc0'], ['item6', 'b02628281d40,b02628b9b156,8948ed1c4997'], ['item7', '0050569bb9c2'], ['item8', '0050569a7b85'], ['item9', '3cecef5ee170,5254000fbd5a']]

# 预处理L2，仅需遍历一次
l2_map = {}
for item_id, val_str in L2:
    l2_map[item_id] = set(val_str.split(','))

# 遍历L1输出结果
for item_id, val_str in L1:
    if item_id not in l2_map:
        continue
    target_vals = l2_map[item_id]
    for val in val_str.split(','):
        print(f"{item_id} {val} {'yes' if val in target_vals else 'no'}")

运行输出 #

item1 3448ed1c4bb4 yes
item2 6448ed1c4a2d no
item3 8448ed1c4997 no
item3 0048ed1c4997 no
item4 b026282829e0 no
item4 b02628b8cf36 yes
item5 b02628281bc0 yes
item5 b02628b99bc0 yes
item6 b02628281d40 yes
item6 b02628b9b156 yes
item7 0050569bb9c2 yes
item8 0050569a7b85 yes
item9 3cecef5ee170 yes
item9 5254000fbd5a yes

性能说明 #

该实现总时间复杂度为O(n+m)（n为L1长度，m为L2长度），和嵌套循环O(n*m)的实现相比，性能差距会随数据量增大被快速拉开：千级数据下两种写法差异不明显，但数据量涨到十万、百万级时，字典预处理的方案依然可以秒级返回结果，嵌套循环会出现明显的卡顿甚至超时，完全满足可扩展要求。

内容的提问来源于stack exchange，提问作者Lacer