本文详细分析了 Python 常用容器的性能差异与优化方案。内容涵盖列表插入操作的时间复杂度对比，推荐使用 deque 解决头部插入性能问题；集合查找相比列表遍历的效率优势及哈希原理；字典合并的多种写法及版本兼容性；有序去重的实现方式。此外，补充了 Counter 和 defaultdict 的高级用法，以及元组、生成器等内存优化技巧。通过理论分析与代码实测，帮助开发者建立正确的数据结构选型意识，写出高效简洁的 Python 代码。
在 Python 开发中，合理选择数据结构对程序性能至关重要。不同的容器类型（Container）在内存占用、访问速度和操作复杂度上存在显著差异。本文深入探讨列表（List）、集合（Set）、字典（Dict）及 模块中的常用容器，通过实际测试对比不同操作的时间复杂度，帮助开发者编写更简洁高效的代码。
collections理解底层实现机制是优化的前提。例如，列表基于动态数组，而集合基于哈希表。掌握这些特性，能避免常见的性能陷阱。
列表中插入数据通常使用 append() 方法在尾部追加，或使用 insert() 在任意位置插入。当数据量较大时，两者的性能差异显著。
def list_append():
"""不断往尾部追加"""
l = []
for i in range(5000):
l.append(i)
def list_insert():
"""不断往头部插入"""
l = []
for i in range(5000):
l.insert(0, i)
使用 timeit 模块进行测试：
import timeit
append_spent = timeit.timeit(list_append, number=1000)
print("list_append:", append_spent)
insert_spent = timeit.timeit(list_insert, number=1000)
print("list_insert", insert_spent)
测试结果通常显示 list_insert 比 list_append 耗时多出数十倍。这是因为列表底层是动态数组，在中间或头部插入元素时，后续所有元素都需要移动位置以腾出空间，平均时间复杂度为 $O(n)$。而在尾部插入，只有在数组扩容时才涉及复制，平均时间复杂度为 $O(1)$。
对于需要频繁在两端进行插入或删除操作的场景（如队列、栈），建议使用 collections.deque。它基于双向链表实现，两端操作均为 $O(1)$，且支持线程安全。
from collections import deque
def deque_append():
l = deque()
for i in range(5000):
l.append(i)
def deque_insert():
l = deque()
for i in range(5000):
l.appendleft(i) # 等价于 insert(0, i)，但效率更高
import timeit
append_spent = timeit.timeit(deque_append, number=1000)
insert_spent = timeit.timeit(deque_insert, number=1000)
在遍历列表时直接删除元素会导致索引错乱。应使用列表推导式或反向遍历。
# 错误示例
for item in my_list:
if condition(item):
my_list.remove(item) # 可能跳过元素
# 正确示例
my_list = [x for x in my_list if not condition(x)]
判断某个元素是否存在于容器中，列表和集合的表现截然不同。
nums = list(range(1000000))
def is_in_list():
return 1000000 in nums
列表遍历查找的平均时间复杂度为 $O(n)$。相比之下，集合（Set）底层采用哈希表结构，查找平均时间复杂度为 $O(1)$。
nums_set = set(nums)
def is_in_set():
return 1000000 in nums_set
将列表转换为集合后，查找速度可提升数个数量级。但需注意，集合是无序的且元素必须不可变（hashable）。如果数据量大且查询频繁，建议在初始化阶段就构建集合。
合并字典时，update() 方法会修改原字典对象。若需保留原字典不变，可使用解包表达式。
d1 = {"name": "honey"}
d2 = {"age": 18}
# 浅拷贝合并，不修改 d1
result = {**d1, **d2}
在 Python 3.9 及以上版本，还引入了 | 运算符用于合并字典，语法更为简洁：
result = d1 | d2
此外，dict.update() 也可以接受键值对序列，适合批量更新。
使用 set() 去重会丢失原有顺序。若需保留首次出现的顺序，可使用 OrderedDict（Python 3.7+ 普通 dict 已保证插入顺序）。
from collections import OrderedDict
nums = [10, 2, 3, 3, 51, 5, 10, 7, 8, 5]
# 利用键的唯一性去重，同时保持顺序
unique_nums = list(OrderedDict.fromkeys(nums).keys())
# 或者直接使用 dict.fromkeys (Python 3.7+)
unique_nums_v2 = list(dict.fromkeys(nums))
在处理字符串或列表元素频率统计时，collections.Counter 比手动遍历更高效。它继承自 dict，专门用于计数。
from collections import Counter
text = "hello world"
counts = Counter(text)
print(counts.most_common(3)) # 获取出现频率最高的 3 个字符
print(counts['l']) # 直接访问计数
当访问字典中不存在的键时，defaultdict 会自动创建默认值，避免 KeyError。常用于分组统计。
from collections import defaultdict
dd = defaultdict(int)
dd['a'] += 1 # 自动初始化为 0 再加 1
# 分组示例
data = [('A', 1), ('B', 2), ('A', 3)]
groups = defaultdict(list)
for key, value in data:
groups[key].append(value)
(x for x in ...) 代替列表推导式 [x for x in ...]，可节省大量内存。理解容器的底层实现机制，能帮助我们根据具体业务场景选择最优的数据结构，从而显著提升代码执行效率和资源利用率。在实际开发中，建议结合 timeit 工具对关键路径进行基准测试，验证优化效果。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online
将 Markdown（GFM）转为 HTML 片段，浏览器内 marked 解析；与 HTML转Markdown 互为补充。 在线工具，Markdown转HTML在线工具，online
将 HTML 片段转为 GitHub Flavored Markdown，支持标题、列表、链接、代码块与表格等；浏览器内处理，可链接预填。 在线工具，HTML转Markdown在线工具，online