列表去重是Python中一種常見的處理方式，任何編程場景都可能會遇到需要列表去重的情況。

列表去重的方式有很多，本文將一一講解他們，并進(jìn)行性能的對比。

[[350938]]

讓我們先制造一些簡單的數(shù)據(jù)，生成0到99的100萬個隨機(jī)數(shù)：

from random import randrange 
DUPLICATES = [randrange(100) for _ in range(1000000)] 

接下來嘗試這4種去重方式中最簡單直觀的方法：

1. 新建一個數(shù)組，遍歷原數(shù)組，如果值不在新數(shù)組里便加入到新數(shù)組中。

# 第一種方式 
def easy_way(): 
    unique = [] 
    for element in DUPLICATES: 
        if element not in unique: 
            unique.append(element) 
    return unique 

進(jìn)入ipython使用timeit計算其去重耗時：

%timeit easy_way() 
# 1.16 s ± 137 ms per loop (mean ± std. dev. of 7 runs, 1 loop each) 

平均耗時在1.16秒左右，但是在這個例子中我們使用了數(shù)組作為存儲對象，實(shí)際上如果我們改成集合存儲去重后的結(jié)果，性能會快不少：

def easy_way(): 
    unique = set() 
    for element in DUPLICATES: 
        if element not in unique: 
            unique.add(element) 
    return unique 

%timeit easy_way() 
# 48.4 ms ± 11.6 ms per loop (mean ± std. dev. of 7 runs, 10 loops each) 

平均耗時在48毫秒左右，改善明顯，這是因?yàn)榧虾蛿?shù)組的內(nèi)在數(shù)據(jù)結(jié)構(gòu)完全不同，集合使用了哈希表，因此速度會比列表快許多，但缺點(diǎn)在于無序。

接下來看看第2種方式：

2. 直接對數(shù)組進(jìn)行集合轉(zhuǎn)化，然后再轉(zhuǎn)回數(shù)組：

# 第二種去重方式 
def fast_way() 
    return list(set(DUPLICATES)) 

耗時：

%timeit fast_way() 
# 14.2 ms ± 1.73 ms per loop (mean ± std. dev. of 7 runs, 100 loops each) 

平均耗時14毫秒，這種去重方式是最快的，但正如前面所說，集合是無序的，將數(shù)組轉(zhuǎn)為集合后再轉(zhuǎn)為列表，就失去了原有列表的順序。

如果現(xiàn)在有保留原數(shù)組順序的需要，那么這個方式是不可取的，怎么辦呢?

3. 保留原有數(shù)組順序的去重

使用dict.fromkeys()函數(shù)，可以保留原有數(shù)組的順序并去重：

def save_order(): 
    return list(dict.fromkeys(DUPLICATES)) 

當(dāng)然，它會比單純用集合進(jìn)行去重的方式耗時稍微久一點(diǎn)：

%timeit save_order() 
# 39.5 ms ± 8.66 ms per loop (mean ± std. dev. of 7 runs, 10 loops each) 

平均耗時在39.5毫秒，我認(rèn)為這是可以接受的耗時，畢竟保留了原數(shù)組的順序。

但是，dict.fromkeys()僅在Python3.6及以上才支持。

如果你是Python3.6以下的版本，那么可能要考慮第四種方式了。

4. Python3.6以下的列表保留順序去重

在Python3.6以下，其實(shí)也存在fromkeys函數(shù)，只不過它由collections提供：

from collections import OrderedDict 
def save_order_below_py36(): 
    return list(OrderedDict.fromkeys(DUPLICATES)) 

耗時：

%timeit save_order_below_py36() 
# 71.8 ms ± 16.9 ms per loop (mean ± std. dev. of 7 runs, 10 loops each) 

平均耗時在72毫秒左右，比 Python3.6 的內(nèi)置dict.fromkeys()慢一些，因?yàn)镺rderedDict是用純Python實(shí)現(xiàn)的。

【責(zé)任編輯：趙寧寧 TEL：（010）68476606】