defaultdict(list)适合分组收集但不适用于嵌套计数；二维计数需用defaultdict(lambda: defaultdict(int))；三层及以上推荐递归定义nested_defaultdict()；Counter或pandas.crosstab更简洁且序列化友好。
defaultdict(list) 适合做分组收集，但别直接当二维计数器用
想按类别汇总数据时，defaultdict(list) 确实比手动检查键是否存在更干净。比如读取日志行、按 status 分组存 request_id：
from collections import defaultdict
groups = defaultdict(list)
for line in logs:
status = parse_status(line)
groups[status].append(line['id'])但如果你要统计「每个状态下每种错误码出现几次」，即嵌套计数，defaultdict(list) 就不适用了——它不会自动帮你再建一层字典。
嵌套计数得用 defaultdict(lambda: defaultdict(int))
两层嵌套统计（如 {'200': {'timeout': 3, 'auth': 1}, '500': {'db': 7}}）最简写法是：
from collections import defaultdict
counter = defaultdict(lambda: defaultdict(int))
for log in logs:
counter[log['status']][log['error_code']] += 1这里关键是第二层不能写成 defaultdict(int)，否则第一层键缺失时会返回一个 int 对象，而不是可调用的构造器。必须用 lambda 包一层，确保每次触发默认工厂都新建一个 defaultdict(int)。
立即学习“Python免费学习笔记（深入）”；
- 错例：
defaultdict(defaultdict(int))—— 直接报TypeError: first argument must be callable - 错例：
defaultdict(defaultdict)—— 第二层变成普通 dict，+=会抛KeyError - 对：用
lambda: defaultdict(int)，清晰且安全
三层及以上嵌套？递归定义 default_factory 更可靠
如果还要加一层（比如按日期 → 状态 → 错误码统计），硬写 defaultdict(lambda: defaultdict(lambda: defaultdict(int))) 容易漏括号、难维护。推荐封装一个递归工厂函数：
def nested_defaultdict():
return defaultdict(nested_defaultdict)
<p>counter = nested_defaultdict()
for log in logs:
counter[log['date']][log['status']][log['error_code']] += 1这个写法在 Python 3.9+ 中没问题，但要注意：每次访问不存在的键都会触发一次函数调用，深度过大时有轻微开销；另外，json.dumps(counter) 会失败，因为 defaultdict 不是 JSON serializable，导出前得先用 dict(counter) 转成普通嵌套字典。
替代方案：Counter + setdefault 或 pandas.crosstab 更适合特定场景
如果只是做二维交叉频次（比如状态 × 错误码），Counter 配合元组键往往更直观：
from collections import Counter
c = Counter((log['status'], log['error_code']) for log in logs)
# c[('500', 'db')] 就是对应计数或者用 pandas.crosstab（如果有 DataFrame）：
import pandas as pd pd.crosstab(df['status'], df['error_code'])
这些方式不依赖嵌套结构，序列化友好，调试也更容易看到全貌。只有当你明确需要「动态增维 + 原生字典接口」时，才值得上 defaultdict 嵌套。
真正容易被忽略的是：嵌套的 defaultdict 在打印或调试时看起来和普通 dict 一样，但它的 __repr__ 不会展开所有层级，默认只显示已访问过的路径。想看完整结构，得手动递归转成 dict 再打印。
