列表去重是Python中一种常见的处理方式，任何编程场景都可能会遇到需要列表去重的情况。
列表去重的方式有很多，本文将一一讲解他们，并进行性能的对比。
让我们先制造一些简单的数据，生成0到99的100万个随机数：
from random import randrange
DUPLICATES = [randrange(100) for _ in range(1000000)]
- 1.
- 2.
接下来尝试这4种去重方式中最简单直观的方法：
1. 新建一个数组，遍历原数组，如果值不在新数组里便加入到新数组中。
# 第一种方式
def easy_way():
unique = []
for element in DUPLICATES:
if element not in unique:
unique.append(element)
return unique
- 1.
- 2.
- 3.
- 4.
- 5.
- 6.
- 7.
进入ipython使用timeit计算其去重耗时：
%timeit easy_way()
# 1.16 s ± 137 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
- 1.
- 2.
平均耗时在1.16秒左右，但是在这个例子中我们使用了数组作为存储对象，实际上如果我们改成集合存储去重后的结果，性能会快不少：
def easy_way():
unique = set()
for element in DUPLICATES:
if element not in unique:
unique.add(element)
return unique
- 1.
- 2.
- 3.
- 4.
- 5.
- 6.
%timeit easy_way()
# 48.4 ms ± 11.6 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
- 1.
- 2.
平均耗时在48毫秒左右，改善明显，这是因为集合和数组的内在数据结构完全不同，集合使用了哈希表，因此速度会比列表快许多，但缺点在于无序。
接下来看看第2种方式：
2. 直接对数组进行集合转化，然后再转回数组：
# 第二种去重方式
def fast_way()
return list(set(DUPLICATES))
- 1.
- 2.
- 3.
耗时：
%timeit fast_way()
# 14.2 ms ± 1.73 ms per loop (mean ± std. dev. of 7 runs, 100 loops each)
- 1.
- 2.
平均耗时14毫秒，这种去重方式是最快的，但正如前面所说，集合是无序的，将数组转为集合后再转为列表，就失去了原有列表的顺序。
如果现在有保留原数组顺序的需要，那么这个方式是不可取的，怎么办呢?
3. 保留原有数组顺序的去重
使用dict.fromkeys()函数，可以保留原有数组的顺序并去重：
def save_order():
return list(dict.fromkeys(DUPLICATES))
- 1.
- 2.
当然，它会比单纯用集合进行去重的方式耗时稍微久一点：
%timeit save_order()
# 39.5 ms ± 8.66 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
- 1.
- 2.
平均耗时在39.5毫秒，我认为这是可以接受的耗时，毕竟保留了原数组的顺序。
但是，dict.fromkeys()仅在Python3.6及以上才支持。
如果你是Python3.6以下的版本，那么可能要考虑第四种方式了。
4. Python3.6以下的列表保留顺序去重
在Python3.6以下，其实也存在fromkeys函数，只不过它由collections提供：
from collections import OrderedDict
def save_order_below_py36():
return list(OrderedDict.fromkeys(DUPLICATES))
- 1.
- 2.
- 3.
耗时：
%timeit save_order_below_py36()
# 71.8 ms ± 16.9 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
- 1.
- 2.
平均耗时在72毫秒左右，比 Python3.6 的内置dict.fromkeys()慢一些，因为OrderedDict是用纯Python实现的。
【责任编辑：赵宁宁 TEL：（010）68476606】
