很多人第一次用 Python 做列表去重，都会顺手写出 list(set(data))。它确实快，但一旦业务要求“去重后保留原始顺序”，这个写法就会立刻出问题。下面就按实际使用场景拆开讲：先看 set 为什么会打乱顺序，再看交并差集怎么写更顺手，最后补上类型限制和性能边界，方便你判断什么时候该用、什么时候该换方案。
为什么 set() 去重会打乱原有顺序
set 的本质是无序哈希表，元素放进去以后，不会按你原来列表里的位置保存。因此，直接把列表丢进 set() 再转回列表，得到的只是“去重后的某种排列”，而不是“按原顺序去重后的结果”。
例如下面这段代码：
list(set([1,2,2,3,1]))它可能返回 [2, 1, 3]，也可能表现出别的顺序。重点不在于某次运行恰好是什么，而在于这个顺序本身不可控，不能拿来依赖。
如果需求是“保留第一次出现的顺序再去重”，更合适的做法是用 dict.fromkeys()。在 Python 3.7+ 中，字典会保留插入顺序，所以它正好适合这种场景：
original = [1, 2, 2, 3, 1, 4]
unique_ordered = list(dict.fromkeys(original))# [1, 2, 3, 4]这里要分清楚：不是 set 不好用，而是它解决的是“无序去重”问题。如果你的业务要求包含顺序信息，那就不应该把纯 set 当成最终方案。
交集、并集、差集和对称差应该怎么写
除了去重，set 更常见的价值在集合运算。Python 同时提供了运算符写法和方法写法，两套语义基本一致，但适用场景略有区别。
交集：找共同元素
交集可以用 &，也可以用 intersection()：
set_a & set_bset_a.intersection(set_b)
如果只处理两个集合，运算符最直观；如果要一次处理多个集合，方法更灵活，例如：set_a.intersection(set_b, set_c)。而运算符写法只能链式写成 set_a & set_b & set_c。
并集：合并并自动去重
并集对应 | 或 union()。两者思路相同，都是把多个集合合在一起并自动去重。处理固定数量集合时，| 更短；集合数量不固定、需要动态传参时，union() 会更顺手。
差集：只保留左边独有的元素
set_a - set_b 表示“左边有、右边没有”的元素，等价于 set_a.difference(set_b)。不过方法写法还有一个优势：可以一次减多个集合，例如 set_a.difference(set_b, set_c)，而 - 只能写成链式运算。
对称差：保留不重叠的部分
^ 表示对称差，也就是“属于 a 或 b，但不同时属于两边”的元素，等价于 set_a.symmetric_difference(set_b)。这个运算在比较两份数据差异时很实用，尤其适合快速找出“不一致项”。
实际开发里，可以把规则记成一句话：日常写法优先用 &、|、-、^，代码更紧凑；一旦涉及多个集合或参数来自变量列表，再换成对应的方法。
列表转 set 前，先确认元素是否可哈希
set 不是任何数据都能直接放。它要求元素必须是可哈希的，也就是能稳定参与哈希计算。像列表、字典、集合这类可变对象，默认都不能作为 set 元素。
下面这个例子会直接报错：
bad = [[1,2], [3,4]]
set(bad)# TypeError: unhashable type: 'list'这类问题在数据清洗时很常见，尤其是列表里套列表、套字典的时候。几个高频场景可以这样处理：
- 二维数字列表去重：先把每一行转成元组，再做集合化，例如
set(map(tuple, matrix)) - 想对含字典的列表去重：先把字典转换成可哈希形式，例如转成
tuple、frozenset，或者在字段顺序可控时使用json.dumps(sorted_items)后再参与哈希 - 字符串列表通常可以直接转
set，但大小写会被视为不同值，比如set(['A', 'a'])会得到两个元素
这里最容易忽略的一点是：代码没报错，只代表类型通过了，不代表业务逻辑一定正确。尤其是做去重时，先确认“两个对象在你的业务里算不算同一个值”，往往比语法本身更关键。
性能判断：什么时候该用 set，什么时候别硬上
set 的性能优势主要体现在成员判断和大规模集合运算上，但不是所有场景都值得先转一次集合。
如果数据量很小，比如少于 100 个元素，构造 set 本身的初始化开销可能并不划算；而当数据量上升到 1000 以上，尤其需要频繁做 in 判断时，它的优势会明显放大。
适合用 set 的场景
- 大量成员判断：
if x in big_set:的平均复杂度是 O(1)，通常比if x in big_list:的 O(n) 更高效 - 批量过滤：先把黑名单放进
set，再过滤数据，例如filter(lambda x: x not in black_set, data) - 多个来源 ID 合并去重：把各来源列表转成集合后再做
|运算，通常会比嵌套循环快很多
不一定要用 set 的场景
如果你只是做一次性去重，后面还要保留原顺序，甚至继续按索引访问，那么 dict.fromkeys() 往往比“先转 set、再排序、再转回列表”更直接。判断标准很简单：别为了用 set 而用 set，而是看它是否真的匹配当前的数据结构和后续操作。
一条实用判断线：先看需求，再选结构
把这篇内容压缩成可执行的判断，其实只有几条：
- 只想快速去重，不关心顺序，用
set() - 既要去重又要保留首次出现顺序，用
dict.fromkeys()，适用 Python 3.7+ - 做交集、并集、差集、对称差，优先用运算符；多集合或动态参数时再换方法
- 列表转集合前，先检查元素是否可哈希，尤其注意嵌套列表和字典
- 性能收益主要出现在大数据量和高频查找上，小数据场景别过度设计
这样处理后，set 就不只是“一个能去重的容器”，而是一个在合适场景下非常高效的数据结构工具。
