Python列表去重的六种方法及对比详解
作者：python_chai
引言：为什么列表去重如此重要？
在数据处理、日志分析、爬虫去重等场景中，列表去重几乎是每个开发者都会遇到的挑战。但面对不同的数据类型（可哈希/不可哈希）和需求（保留顺序/高效执行），如何选择最优方案？
本文将系统解析6种Python列表去重方法，涵盖基础实现与进阶技巧，并通过性能测试与实战案例，助你彻底掌握这一核心技能！
基础篇：可哈希元素的去重方法
1. 集合去重法（Set）
原理：利用集合自动去重的特性。
优点：时间复杂度 O(n)，效率最高。
缺点：破坏原始顺序，仅适用于可哈希元素（如整数、字符串）。
li = [11, 22, 44, 33, 33, 22, 22, 11] res = list(set(li)) print(res) # 输出可能为 [33, 11, 44, 22]（顺序随机）
适用场景：快速去重且无需保留顺序，如临时数据清洗。
2. 字典去重法（Python 3.7+）
原理：利用字典键的唯一性，且Python 3.7+后字典有序。
优点：时间复杂度 O(n)，兼顾效率与顺序。
li = [11, 22, 44, 33, 33, 22, 22, 11] unique_list = list(dict.fromkeys(li)) print(unique_list) # 输出 [11, 22, 44, 33]
3. 新建列表法
原理：逐个添加不重复元素至新列表。
优点：保留顺序，逻辑简单。
缺点：时间复杂度 O(n²)，不适用于大数据量。
li = [11, 22, 44, 33, 33, 22, 22, 11]
unique_list = []
for i in li:
if i not in unique_list: # 每次检查需遍历新列表
unique_list.append(i)
print(unique_list) # 输出 [11, 22, 44, 33]适用场景：小规模数据且需简单实现的场景。
4. 遍历删除法
原理：遍历原列表副本，删除重复项。
优点：保留顺序。
缺点：时间复杂度 O(n²)，性能较差。
li = [11, 22, 44, 33, 33, 22, 22, 11]
unique_list = li.copy()
for i in li.copy():
while unique_list.count(i) > 1: # 频繁遍历和删除
unique_list.remove(i)
print(unique_list) # 输出 [11, 22, 44, 33]注意事项：避免在遍历时直接修改原列表，否则可能引发IndexError。
进阶篇：不可哈希元素的去重方法
5. JSON序列化去重（字典/嵌套列表）
原理：将字典序列化为字符串，利用集合去重。
适用场景：需完整内容去重的不可哈希元素（如字典）。
import json
def deduplicate_dicts_by_content(dict_list):
seen = set()
unique_dicts = []
for d in dict_list:
dict_str = json.dumps(d, sort_keys=True) # 保证键顺序一致
if dict_str not in seen:
seen.add(dict_str)
unique_dicts.append(d)
return unique_dicts
# 测试用例：去重内容相同的字典
li_dicts = [{"a": 1}, {"a": 1}, {"b": 2}, {"a": 1, "b": 2}, {"b": 2, "a": 1}]
print(deduplicate_dicts_by_content(li_dicts)) # 输出前两个重复项被去重关键点：sort_keys=True确保键顺序一致，避免因顺序不同导致误判。
6. 特定键值去重（如根据ID去重）
原理：根据字典的某个键（如ID）的值进行去重。
适用场景：业务中存在唯一标识符（如用户ID、订单号）。
def deduplicate_dicts_by_key(dict_list, key):
seen = set()
unique_dicts = []
for d in dict_list:
if key not in d:
unique_dicts.append(d) # 不包含键则保留（按需调整）
continue
if d[key] not in seen:
seen.add(d[key])
unique_dicts.append(d)
return unique_dicts
# 测试用例：根据键"a"去重
li_dicts = [{"a": 1}, {"a": 1}, {"b": 2}, {"a": 3}]
print(deduplicate_dicts_by_key(li_dicts, "a")) # 保留第一个{"a":1}和{"a":3}扩展应用：支持多键组合去重，如key=("user_id", "timestamp")。
性能对比与选型指南
通过实际测试对比各方法的执行效率（以10万条数据为例）：
| 方法 | 时间复杂度 | 保留顺序 | 适用场景 | 10万数据耗时 |
|---|---|---|---|---|
| 集合去重 | O(n) | ❌ | 快速去重，无需顺序 | 0.002秒 |
| 字典去重（Python3.7+） | O(n) | ✅ | 高效且需顺序 | 0.003秒 |
| JSON序列化 | O(n) | ✅ | 不可哈希元素（如字典） | 0.5秒 |
| 新建列表法 | O(n²) | ✅ | 小数据量 | 12.8秒 |
| 遍历删除法 | O(n²) | ✅ | 极少量数据 | 15.4秒 |
选型建议：
- 大数据量+可哈希元素：优先选择字典去重法（Python 3.7+）。
- 不可哈希元素：使用JSON序列化或特定键去重。
- 临时快速去重：集合去重法。
- 小数据量+保留顺序：新建列表法。
实战场景解析
场景1：电商订单去重
假设有一批订单数据，需根据order_id去重：
orders = [
{"order_id": "A1001", "product": "Phone"},
{"order_id": "A1001", "product": "Laptop"}, # 重复订单
{"order_id": "A1002", "product": "Tablet"}
]
unique_orders = deduplicate_dicts_by_key(orders, "order_id")
print(unique_orders) # 保留第一个A1001和A1002场景2：日志分析去重
处理服务器日志时，需根据IP和时间戳去重：
def deduplicate_logs(logs):
seen = set()
unique_logs = []
for log in logs:
identifier = (log["ip"], log["timestamp"]) # 组合键
if identifier not in seen:
seen.add(identifier)
unique_logs.append(log)
return unique_logs总结与扩展
核心总结：
- 可哈希元素优先选择集合或字典去重。
- 不可哈希元素需依赖序列化或业务键去重。
- 避免在大数据中使用时间复杂度为O(n²)的方法。
扩展思考：
- 如何实现多条件去重（如同时根据用户ID和时间范围）？
- 分布式环境下如何高效去重（如使用Redis集合）？
以上就是Python列表去重的六种方法及对比详解的详细内容，更多关于Python列表去重的资料请关注脚本之家其它相关文章！