哈希表（dict）是高频键值查询唯一合理选择，因平均O(1)查询且3.7+保序；list/tuple需O(n)遍历，元组不可变无法更新，二者均不支持get()安全访问。
哈希表（即 Python 的 dict）是高频键值查询场景下唯一合理的选择，平均时间复杂度 O(1)，且 Python 3.7+ 保证插入顺序。
为什么不是 list 或 tuple？
列表和元组靠线性遍历查键，if key in my_list 是 O(n) 操作；哪怕只查 1000 次，数据量上万就明显卡顿。元组不可变，连动态更新都做不到，纯属“查一次就废”。
- 用
list存键值对（如[('a', 1), ('b', 2)]），每次查都要for循环 + 解包判断 - 用
tuple更糟：不能增删，也不能原地改值，只能重建整个结构 - 二者都不支持
my_dict.get(key, default)这种安全、简洁、单次调用的访问模式
什么时候该考虑 collections.defaultdict 或 Counter？
当你不只是“查”，还要频繁“初始化+累加”时，defaultdict 能省掉 if key not in d: d[key] = [] 这类样板逻辑；Counter 则专为计数设计，counter['x'] += 1 不会抛 KeyError。
-
defaultdict(list)：适合归类场景，比如按首字母分组单词 ——d[word[0]].append(word) -
Counter()：适合统计频次，比如日志中错误码出现次数 ——c.update(['404', '500', '404']) - 注意：
Counter和defaultdict底层仍是dict，查询性能没损失，只是接口更专注
别踩这些坑：看似快，实则慢的操作
高频查询下，任何绕过直接键访问的写法都会放大延迟，尤其在循环里反复触发。
立即学习“Python免费学习笔记（深入）”；
- 用
list(dict.items())后再遍历查 —— 白费内存，还把 O(1) 降成 O(n) - 用
dict.keys()转成list再.index()—— 多此一举，dict本身不支持索引查找 - 对小数据集硬套
set做存在性检查 ——key in my_dict已经是 O(1)，再转set(my_dict.keys())反而多一次遍历 - 在热路径里用
json.loads()解析后当字典用 —— 如果结构固定，应提前解析并缓存dict对象，而非每次重解析
真正影响性能的往往不是“选什么”，而是“怎么用”：确保键是不可变类型（str、int、tuple），避免用可变对象（如 list）当键；高频写入+查询混合时，注意哈希冲突概率上升带来的最坏 O(n) 退化——但这在常规业务键（如用户 ID、订单号）中极少发生。
