in关键字

in关键字用于判断对象A和对象B的从属关系，相较于大多数程序设计语言，in的存在使得Python代码在判断从属关系时简化了大量逻辑，使得程序结构更加清晰易懂。

使用示例

判断是否包含子字符串

if __name__ == '__main__':
    demo = "I love Python"
    print("Python" in demo)
    # output: True
    print("Python " in demo)
    # output: False

判断值是否在列表中存在

if __name__ == '__main__':
    demo = [1, 3, 5]
    if 2 not in demo:
        demo.append(2)
    print(demo)
    # output: [1, 3, 5, 2]

判断值是否在集合中存在

if __name__ == '__main__':
    demo = {1, 3, 5}
    if 2 not in demo:
        demo.add(2)
    print(demo)
    # output: {1, 3, 5, 2}

判断值是否在元组中存在

if __name__ == '__main__':
    demo = 1, 3, 5
    print(2 in demo)
    # output: False

原理

关键字in实际调用的是对象的__contains__方法。下面使用示例来详细说明。

我们定义一个Demo类，Demo类重写了__contains__方法，打印参数item，并返回True。在主程序中，我们实例化Demo类，生成demo对象，并打印 3 in demo的结果（附在代码注释）：

class Demo(object):
    def __contains__(self, item):
        print("item: ", item)
        return True


if __name__ == '__main__':
    demo = Demo()
    print(3 in demo)
    # outputs:
    # item: 3
    # True

可以看出in关键是实际上是调用了右边对象（demo）的__contains__方法，而__contains__方法的参数item就是in关键字的左边对象（整型数字3）。这里仅仅是示例代码，因此上述的__contains__重写在实际应用中没有任何意义，甚至可能会带来一些问题：因为Demo的实例出现在in关键字右边时，总是返回True的结果。?

时间复杂度

通过前面几节内容的介绍，我们可以认为in关键字实际上是Python的一个语法糖，本质上是Python的一个方法。因此不能简单的认为in的时间复杂度为 $O(1)$ ，而是要跟类中的具体实现有关。在Python中，list类的__contains__方法的时间复杂度为 $O(n)$ ，set类的时间复杂度为 $O(1)$ 。因为set底层是哈希表实现的，在查找效率上要优于list。在我们自己的class中，一定要保证__contains__方法的时间复杂度处于尽可能的最优解，以减少in关键字所产生的时间消耗。