运算的性能分析有一个高深的词汇——算法分析，主要研究的是运行时间和空间的需求。对计算时间的描述一般通过增长量级，增长量级是一套函数，其渐进增长行为是等价的，用大O来表示。
O(1) < O(log_b n) < O(n) < O(n log_b n) < O(n）< O（n²）³)ⁿ )

对数算法中的基数并不重要，指数算法只适用于小数据问题。

Python中算数运算的时间是常量，但超大整数的运算增加是线性的。索引操作也是常量时间，无论数据结构如何都是如此。只要循环体中的所有操作都是线性时间，则遍历列表或者字典的for循环是线性时间。如果使用同样的循环添加字符串列表，那么运行时间就是二次方的，所以通常采用join做字符串拼接。

大多数字符串和元组操作都是线性的，除了索引和len，都是常量时间，min和max是线性的，slice操作的时间与输出的长度成正比，与输出的大小无关。

大多数列表方法是线性的，一般而言，尾部添加和删除元素是常量时间，排序是O(n log_b n)。in操作符是线性搜索，字符串的count和find也是如此。

大多数字典操作和方法是常量时间，但copy和update的运行时间是线性的，keys，values与items是线性的，iterkeys，itervalues与iteritems是常量时间，但如果遍历迭代器，循环也是线性的。

还记得有这样一句名言，“如果只有一种数据结构的化，就用hash表吧！”