python 2.7 中 ordereddict 是唯一可靠的顺序保持方案，底层用双向链表维护插入顺序；其相等性校验严格依赖键序，内存与性能开销显著高于普通 dict。
Python 2.7 中 OrderedDict 是唯一可靠的顺序保持方案
在 Python 2.7 及更早版本（如 2.6）中，内置 dict 完全不保证插入顺序，OrderedDict 是标准库中唯一能稳定按插入顺序迭代的映射类型。它不是语法糖，而是独立实现的类，底层用双向链表维护键顺序。
常见错误是误以为给 dict 传入列表就能“初始化有序”，比如：{'a': 1, 'b': 2} 或 dict([('a', 1), ('b', 2)]) —— 这两种写法在 Python 2.x 下顺序完全不可靠，尤其在不同运行或不同哈希种子下可能打乱。
正确做法必须显式导入并构造：
from collections import OrderedDict
od = OrderedDict([('a', 1), ('b', 2), ('c', 3)])
list(od.keys()) # ['a', 'b', 'c']，始终稳定
OrderedDict 的 move_to_end() 在旧版本中不可用
Python 3.2+ 新增了 move_to_end() 方法，但 Python 2.7 和 3.1 及更早版本不支持。若需调整已有键位置（比如 LRU 缓存），必须手动 pop + set：
-
od[key] = od.pop(key)→ 移到末尾 -
od[key] = od.pop(key); od = OrderedDict([(key, od[key])] + list(od.items()))→ 移到开头（较重，慎用）
注意：多次 pop + set 会触发内部链表重建，性能比 3.2+ 的 move_to_end() 差；若频繁操作，建议升级或改用其他结构（如自定义双端队列 + 字典组合）。
与普通 dict 混用时的相等性陷阱
OrderedDict 的相等判断不仅看键值对内容，还严格检查顺序。这和 dict 行为不同，容易在测试或条件判断中出错：
d = {'a': 1, 'b': 2}
od1 = OrderedDict([('a', 1), ('b', 2)])
od2 = OrderedDict([('b', 2), ('a', 1)])
d == od1 # True（Python 2.7+，dict-OrderedDict 比较忽略顺序）
od1 == od2 # False（顺序不同，直接返回 False）
所以不要依赖 == 判断两个 OrderedDict 是否“逻辑相同”；如需忽略顺序，应比较 sorted(od1.items()) == sorted(od2.items())。
内存与性能开销比普通 dict 明显更高
OrderedDict 在 Python 2.7 中每个键额外维护前后指针，内存占用约是普通 dict 的 1.5–2 倍；插入和删除操作也慢 20%–40%，因为要同步更新链表。
如果只是偶尔需要顺序（比如最后转成列表输出），且数据量不大，可以接受；但若高频读写、内存敏感（如嵌入式或大数据预处理），应权衡是否真需要全程有序——有时用 dict + 单独维护一个 list 记录键顺序更轻量：
keys_order = ['a', 'b', 'c']
data = {'a': 1, 'b': 2, 'c': 3}
# 遍历时：for k in keys_order: print(k, data[k])
这种模式在 Python 2.7 下更可控，也避免了 OrderedDict 的隐式行为（比如 update() 不改变现有键顺序，但新键总加在末尾）。
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！
