该换 list 为 deque 的典型场景是频繁在头部插入或删除元素、实现队列、滑动窗口或 BFS 待访问节点缓存；此时 list 为 O(n)，deque 两端操作均为 O(1)。
什么时候该换 list 为 deque
频繁在列表头部插入或删除元素时，list 的时间复杂度是 O(n)，因为要移动后续所有项；而 deque 在两端操作都是 O(1)。这不是“更高级”的选择，而是场景匹配问题。
- 典型场景：实现队列（FIFO）、滑动窗口、BFS 遍历中的待访问节点缓存
- 别误用：如果只做索引访问（如
my_list[5]），deque反而比list慢，因为不支持 O(1) 随机访问 - 初始化开销略高，但只要操作次数 ≥ 数十次，优势就明显
dict 和 set 查找快，但内存占用常被低估
dict 和 set 底层依赖哈希表，平均查找 O(1)，但它们会预留约 1/3 空闲槽位来减少哈希冲突——这意味着存 100 万个字符串，实际可能占 1.3M+ 个指针空间。
- 若键是固定且数量有限（如状态码、配置名），考虑用
enum.Enum或typing.Literal配合match（Python 3.10+），避免构造大字典 - 大量短字符串作键时，
sys.intern()可减少重复字符串对象，但仅当字符串确实高频复用才值得加 - 用
collections.Counter统计频次后，立刻转成dict或list处理，别长期持有一个大Counter实例
生成器表达式不是万能的，小心隐式展开
写 (x*2 for x in data) 确实节省内存，但一旦被传给 list()、sum()、sorted() 或直接解包（*gen），就会立刻全部展开——此时和 [x*2 for x in data] 内存表现一致，还多了一层调用开销。
github-image-hosting
下载
将图片上传至 img402.dev，以便嵌入 GitHub PR、Issue 和评论中。免费套餐（最大 1MB，保留 7 天，无需身份验证）为默认选项；付费套餐支持最大 5MB，并可通过 x402 实现 1 年（
写 (x*2 for x in data) 确实节省内存，但一旦被传给 list()、sum()、sorted() 或直接解包（*gen），就会立刻全部展开——此时和 [x*2 for x in data] 内存表现一致，还多了一层调用开销。
- 真正受益的场景：只遍历一次、且数据源很大（如日志行处理、数据库游标迭代）
- 需要多次遍历？要么转成
tuple（小数据），要么重写逻辑避免重复消费 - 调试时打印生成器内容，容易误触发展开，建议用
itertools.islice(gen, 5)查看前几项
__slots__ 对实例少、属性固定的类有效，但有代价
在类定义中加 __slots__ = ('x', 'y', 'name') 可禁用 __dict__，每个实例节省约 48–96 字节（取决于平台），并加速属性访问。
立即学习“Python免费学习笔记（深入）”；
- 适用：数据容器类（如
Point、ConfigItem）、创建百万级实例的场景 - 禁用动态属性：不能运行时设
obj.new_attr = 1，也不能被__dict__相关工具（如dataclasses.asdict）直接使用 - 继承时需显式声明
__slots__，父类与子类的__slots__不自动合并；若父类没设，子类设了也无效
cProfile.run('main()') 或 line_profiler 定位真实瓶颈，而不是凭直觉优化 list.append 或换 deque——很多性能问题根本不在数据结构层面，而在 I/O 阻塞或低效算法上。 
