set() 是 python 大数据量去重最直接、平均性能最好的内置方案，因底层哈希表实现，插入与查找平均 o(1)，整批去重近 o(n)；但要求元素可哈希且不保序。
set() 是 Python 中对大数据量去重最直接、平均性能最好的内置方案，前提是元素可哈希且顺序不敏感。它底层用哈希表实现，整批去重接近 O(n) 时间复杂度，远优于手动遍历的 O(n²)。
为什么 set() 能扛住大数据量？
关键在哈希表：插入和查找平均耗时 O(1)，重复元素因哈希冲突被自动跳过。实测百万级字符串列表，list(set(lst)) 通常在 100ms 内完成；而用 for + if x not in seen（未用集合缓存）可能卡数秒。
list(set(...)) 的实际限制和避坑点
- 顺序完全丢失：输出顺序取决于哈希值和 Python 版本，不能用于需保序场景
- 只接受可哈希类型：数字、字符串、元组可以；列表、字典、集合本身会报
TypeError: unhashable type - 内存占用略高：哈希表需额外空间，但对千万级以下数据影响不大
- 结果是新列表：原列表不变，无需担心副作用
不可哈希类型（如字典列表）怎么安全去重？
不能直接丢给 set()，得先“标准化”为可哈希形式，再还原：
- 对字典列表：用
json.dumps(d, sort_keys=True)转成唯一字符串，去重后再json.loads() - 对嵌套列表：尝试转成嵌套元组，例如
[tuple(x) if isinstance(x, list) else x for x in item]，再整体转元组 - 通用兜底法：用
id()或业务字段（如d['user_id']）作为唯一标识，避免序列化开销
示例（字典去重）：
import json
data = [{'name': 'Alice', 'age': 30}, {'name': 'Bob', 'age': 25}, {'name': 'Alice', 'age': 30}]
keys = [json.dumps(d, sort_keys=True) for d in data]
unique_keys = set(keys)
unique_data = [json.loads(k) for k in unique_keys]
需要保序又想快？优先用 dict.fromkeys()
Python 3.7+ 字典保持插入顺序，dict.fromkeys() 天然兼具去重与保序，性能几乎和 set() 持平，且写法更干净：
- 写法：
list(dict.fromkeys(original_list)) - 比手写循环快：内部 C 实现，避免 Python 层
in判断的解释器开销 - 同样要求元素可哈希；不可哈希时仍需先标准化
- 注意：它不是集合操作，但常被误认为“集合相关”，实际是字典构造技巧
set() 本身，而是没意识到元素类型是否可哈希，或强行在不可哈希结构上硬套 set() 导致报错——先检查类型，再选策略，比优化循环更有效。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！
