当前位置:首页 > 文章列表 > 文章 > python教程 > 列表推导式去重方法详解

列表推导式去重方法详解

2026-02-21 11:46:51 0浏览 收藏
Python中去重看似简单,但不同方法的性能差异巨大:集合(set)凭借哈希实现实现接近O(n)的高效去重,而看似直观的列表推导式因线性查找导致O(n²)的低效;若还需保持原始顺序,Python 3.7+推荐使用dict.fromkeys()——它兼具哈希查找的速度优势与严格的插入顺序保证,是兼顾效率与功能的最优解。

python集合和列表推导式哪种方法去重快

在 Python 中,用集合(set)和列表推导式去重,集合去重更快。原因在于数据结构和时间复杂度的差异。

集合去重:高效且简洁

集合是哈希实现的,插入和查找平均时间复杂度为 O(1)。将列表转为集合会自动去除重复元素:

my_list = [1, 2, 2, 3, 4, 4, 5]
unique_list = list(set(my_list))

这种方法只遍历一次原列表,整体时间复杂度接近 O(n),效率高。

列表推导式去重:逻辑清晰但慢

如果用列表推导式配合条件判断去重,比如维护一个已见元素的列表:

seen = []
unique_list = [x for x in my_list if x not in seen and not seen.append(x)]

虽然能保持原始顺序,但 x not in seen 是对列表的线性查找,每次操作耗时 O(k),整体变成 O(n²),数据量大时明显变慢。

兼顾速度与顺序的推荐方法

如果需要保持顺序又追求性能,推荐使用 dict.fromkeys():

unique_list = list(dict.fromkeys(my_list))

字典从 Python 3.7 起保证插入顺序,且键的查找为 O(1),速度接近集合,还能保留元素首次出现的顺序。

基本上就这些:单纯去重选 set,要保序用 dict.fromkeys(),避免用列表推导式做重复检查。不复杂但容易忽略效率差别。

理论要掌握,实操不能落!以上关于《列表推导式去重方法详解》的详细介绍,大家都掌握了吧!如果想要继续提升自己的能力,那么就来关注golang学习网公众号吧!

Java图结构实现:邻接矩阵存储边关系Java图结构实现:邻接矩阵存储边关系
上一篇
Java图结构实现:邻接矩阵存储边关系
Win11夜间模式怎么开及护眼设置
下一篇
Win11夜间模式怎么开及护眼设置
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    375次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    447次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    455次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    399次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    226次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码