字典推导式遇重复键会静默覆盖，如[('cat',1),('dog',2),('cat',3)]得{'cat':3,'dog':2}；需首次值则改用dict()或遍历控制；需聚合则先defaultdict分组；应校验键唯一性、避免推导式中调用耗时函数、用get()防keyerror、默认值勿用可变对象、超10万项宜用生成器或分块构建。
字典推导式构建特征映射表时，键重复会导致静默覆盖
Python 字典推导式 {k: v for k, v in iterable} 本质是逐个插入键值对，遇到重复键时后出现的值会直接覆盖前面的——不会报错，也不会警告。比如从含重复类别名的列表生成映射：[(‘cat’, 1), (‘dog’, 2), (‘cat’, 3)]，结果 {'cat': 3, 'dog': 2}，但你可能本意是报错或聚合。
- 若需保留首次出现的映射，改用
dict()构造器配合dict.fromkeys()或手动遍历控制插入逻辑 - 若需合并重复键（如拼接标签、求平均编码），不能依赖推导式单步完成，得先用
defaultdict(list)分组再处理 - 调试时建议加
assert len(set(keys)) == len(keys)校验输入唯一性，尤其当键来自文件或数据库查询结果时
映射值需要动态计算时，推导式里别直接调用耗时函数
像 {feat: expensive_func(feat) for feat in feature_list} 会在构建字典时同步执行所有函数调用，阻塞主线程且无法并行。如果 expensive_func 是网络请求、大文件读取或复杂正则匹配，整个映射构建可能卡住几秒甚至超时。
- 优先把计算逻辑移到外部：先用列表推导式或生成器预计算值，再 zip 组成键值对，例如
values = [expensive_func(f) for f in features]，再dict(zip(features, values)) - 若必须延迟计算，考虑用
functools.lru_cache包裹函数，并在推导式中只存函数对象或 lambda（不调用），实际用时再触发 - 注意：推导式内嵌 lambda 并不缓存，每次访问仍会重建闭包，慎用
处理缺失特征时，用 dict.get() 比 dict[key] 更安全
特征映射表常用于模型预处理，但线上数据总有未见过的新类别。直接用 mapping[unknown_feat] 抛 KeyError，而 mapping.get(unknown_feat, default_value) 可兜底。这个习惯要从构建阶段就养成。
- 构建时显式指定默认分支：例如
{k: encode(k) for k in known_features} | {'<unk>': 0}</unk>（Python 3.9+），或用defaultdict初始化 - 避免在推导式里写三元表达式做兜底（如
k if k in valid_set else '<unk>'</unk>），这改变的是键而非值，语义易混淆 - 若 default_value 是可变对象（如空列表），务必用
lambda: []或copy.deepcopy避免所有键共享同一引用
大规模特征映射建议分批构建，别硬扛内存
当 feature_list 超过 10 万项，纯推导式容易触发内存峰值——Python 会先生成所有键值对再构造字典，中间对象不释放。尤其在嵌入向量或哈希编码场景，每个值可能是几百字节的 bytes 或 numpy 数组。
- 改用生成器表达式 +
dict()：例如dict((k, compute_val(k)) for k in large_iterable)，让 dict 构造器边迭代边插入，减少临时内存占用 - 按块读取源数据（如 pandas chunksize=5000），每块建局部映射，最后用
update()合并，同时做键冲突检查 - 真正超大规模（千万级）建议放弃内存字典，改用 SQLite 或 mmap 文件做键值索引，推导式只负责生成 schema 或初始化小样本
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
