# 列表（慢，O(n)）
if item in my_list: ...

# 集合（快，O(1)）
if item in my_set: ...

# 列表去重（慢，O(n²)）
unique_list = []
for item in original_list:
    if item not in unique_list:
        unique_list.append(item)

# 集合去重（快，O(n)）
unique_list = list(set(original_list))

Python中的数据结构性能分析与应用场景（列表、字典、集合、元组） 1. 数据结构的基本概念 Python内置了多种数据结构，如列表（list）、字典（dict）、集合（set）、元组（tuple）等。每种结构在 时间复杂度 和 内存占用 上差异显著，选择合适的数据结构能大幅提升程序效率。 2. 列表（List） 特点 有序 ，元素可重复。 动态数组 实现，支持索引和切片。 时间复杂度分析 | 操作 | 平均时间复杂度 | 说明 | |--------------|----------------|----------------------------------------------------------------------| | 索引（取第i个） | O(1) | 基于数组的随机访问 | | 追加（append） | O(1) | 动态数组扩容均摊后为O(1) | | 插入（insert） | O(n) | 需移动后续元素 | | 删除（remove） | O(n) | 需遍历查找并移动元素 | | 查找（in操作） | O(n) | 需遍历整个列表 | 应用场景 需要 有序存储 且频繁按索引访问的场景（如循环处理数据）。 不适合频繁插入/删除或成员检查（如替代集合去重）。 3. 字典（Dict） 特点 键值对 结构，键唯一且不可变（如字符串、数字、元组）。 基于 哈希表 实现，通过哈希函数快速定位键。 时间复杂度分析 | 操作 | 平均时间复杂度 | 最坏情况 | 说明 | |--------------|----------------|----------------|------------------------------------| | 增/删/改/查 | O(1) | O(n) | 哈希冲突极端情况下退化为链表操作 | | 遍历字典 | O(n) | O(n) | 需处理所有键值对 | 应用场景 需要 快速键值查找 （如缓存、配置项存储）。 注意：键必须是 不可变类型 （列表不能作为键）。 4. 集合（Set） 特点 无序 ，元素唯一且不可重复。 基于哈希表实现（仅键无值）。 时间复杂度分析 | 操作 | 平均时间复杂度 | 说明 | |--------------|----------------|--------------------------| | 增/删/查（in） | O(1) | 哈希表直接定位 | | 并集/交集 | O(len(s)+len(t)) | 需遍历两个集合 | 应用场景 去重 （如列表转集合去重）。 成员检查 （如判断某元素是否在集合中）。 集合运算（如交集、并集）。 5. 元组（Tuple） 特点 不可变有序序列 ，创建后不能修改。 内存占用通常小于列表（因不可变性无需预留扩容空间）。 时间复杂度 索引访问：O(1)（与列表相同）。 哈希化：若元组内元素均不可变，元组本身可作为字典的键（列表不能）。 应用场景 存储 不可变数据 （如坐标点、(x, y)）。 作为字典的键或集合的元素（需内容不可变）。 6. 性能对比实战示例 场景1：成员检查（判断元素是否存在） 场景2：去重 场景3：频繁插入/删除 列表中间插入：O(n) 字典/集合插入：O(1) 7. 内存占用分析 列表：预分配额外空间以支持动态扩容，内存占用通常大于元组。 元组：无额外空间，内存紧凑。 字典/集合：因哈希表需预留空桶，内存占用较大。 8. 总结与选择建议 | 需求 | 推荐数据结构 | 理由 | |--------------------|------------------|----------------------------------------------| | 有序存储、按索引访问 | 列表 | 索引O(1)，支持动态修改 | | 键值映射、快速查找 | 字典 | 哈希表实现O(1)查询 | | 去重、成员检查 | 集合 | 哈希表优化查询 | | 不可变数据、作为字典键 | 元组 | 内存紧凑，可哈希化 | 通过理解底层实现与时间复杂度，能避免常见性能陷阱（如用列表替代集合去重），写出高效Python代码。