来源：网络

字典（dict）不就是“键值对”的集合吗？它能快速查找、去重，功能已经很强大了。那为啥 Python 还要单独搞一个集合（set）出来？这俩是不是有点重复造轮子？学习Python的过程中，一直没有弄清楚明明有Dict对象，为什么还存在Set，直到再次回看课程，才明白个人缘由。这两看似功能重叠的对象背后，是两者核心设计目标的本质差异。今天来聊聊这个问题——搞懂 dict 和 set 的区别，我们写的代码会更简洁、更高效。

先回顾：dict 和 set 的“共同点”

首先得承认，dict 和 set 确实是“近亲”，它们的底层实现原理几乎一样，这就导致它们有两个非常相似的特性：

1. 「元素不可重复」：dict 的键（key）不能重复，set 的元素本身就不能重复；
2. 「查找速度极快」：不管里面存了10个元素还是10万个元素，查找/判断一个元素是否存在的时间复杂度都是 O(1)（平均情况），比列表（list）的 O(n) 快得多。

也正因为这两个共同点，才让很多初学者混淆了它们的用途。但记住：「相似的底层实现，是为了支撑不同的业务场景」。

核心差异：dict 存“映射关系”，set 存“独立元素”

这是两者最本质的区别，用一句话就能概括：

dict 是“键值对”的集合，核心是 「“映射”」（通过 key 找 value）；set 是“唯一元素”的集合，核心是 「“去重”和“集合运算”」。

我们用两个简单的例子，直观感受下：

例子1：用 dict 存“映射关系”

如果我们要存储“学生姓名”和“学号”的对应关系，用 dict 最合适：

# 字典：姓名（key）→ 学号（value）student_id = {"张三": "2024001","李四": "2024002","王五": "2024003"}# 核心操作：通过 key 找 valueprint(student_id["李四"])  # 输出：2024002

这里的关键是“对应关系”——我们关心的不只是“张三、李四”这些名字本身，更关心每个名字背后对应的学号。dict 的设计初衷，就是为了高效地实现这种“键到值”的映射。

例子2：用 set 做“去重”和“集合运算”

如果我们只需要存储“班级里的学生姓名”，并且要保证没有重复，还要快速判断某个学生是否在班级里，这时候 set 就比 dict 更合适：

# 集合：存储唯一的学生姓名class_students = {"张三", "李四", "王五", "张三"}  # 重复的“张三”会自动去重print(class_students)  # 输出：{'张三', '李四', '王五'}# 核心操作1：判断元素是否存在print("赵六"in class_students)  # 输出：False# 核心操作2：集合运算（交集、并集、差集）another_class = {"李四", "王五", "赵六"}# 两个班级的共同学生（交集）print(class_students & another_class)  # 输出：{'李四', '王五'}# 两个班级的所有学生（并集）print(class_students | another_class)  # 输出：{'张三', '李四', '王五', '赵六'}# 本班有但另一个班没有的学生（差集）print(class_students - another_class)  # 输出：{'张三'}

这里的关键是“独立元素的集合特性”——我们只关心“哪些学生存在”，不关心他们对应的其他信息。而且 set 原生支持「交集、并集、差集」这些数学集合运算，这是 dict 完全不具备的能力。

如果只用 dict 代替 set，会怎么样？

有人可能会说：我不用 set，只用 dict 也能实现去重啊！比如把 dict 的 value 设为 None，用 key 来存唯一元素：

# 用 dict 模拟 set 去重fake_set = {"张三": None, "李四": None, "王五": None}# 判断元素是否存在print("张三"in fake_set)  # 输出：True

确实能实现，但这样做有两个明显的问题：

1. 「语义不清晰」：dict 的本质是映射，你强行把它当成“唯一元素集合”来用，别人看你的代码会很困惑——这个 None 是什么意思？是不是遗漏了什么信息？代码的“可读性”会变差；
2. 「冗余且低效」：你需要为每个元素额外存储一个无用的 value（比如 None），虽然占用的内存不多，但本质上是一种浪费。而且 dict 不支持集合运算，如果你想做交集、并集，还得自己写循环实现，既麻烦又比 set 原生的运算慢。

举个例子：用 dict 模拟两个集合的交集，你得这么写：

set1 = {"a": None, "b": None, "c": None}set2 = {"b": None, "c": None, "d": None}# 模拟交集：找出两个 dict 中共同的 keyintersection = [k for k in set1 if k in set2]print(intersection)  # 输出：['b', 'c']

而用 set 只需要一行 set1 & set2，简洁又高效。这就是 set 存在的意义——它把“去重”和“集合运算”这些场景封装成了原生功能，让你不用重复造轮子。

总结：什么时候用 dict，什么时候用 set？

记住两个核心场景，再也不会混淆：

用 dict 的情况：

• 需要存储“键值对”映射关系（比如：姓名→年龄、ID→数据、配置项名称→配置值）；
• 需要通过一个唯一标识（key）快速查找对应的数据（value）。

用 set 的情况：

• 只需要存储“唯一的元素”（比如：去重后的列表、用户ID集合、标签集合）；
• 需要快速判断一个元素是否存在于集合中；
• 需要进行集合运算（交集、并集、差集，比如：两个用户群体的重合度、标签筛选）。

最后补一个小知识点

其实从底层实现来看，set 本质上就是一个“没有 value 的 dict”——它只存储 key，并且保证 key 的唯一性。正因为如此，set 的元素也必须是“可哈希”的（比如：字符串、数字、元组，不能是列表、字典），这和 dict 的 key 要求是一样的。

Python 设计团队没有把 set 的功能整合到 dict 里，而是单独作为一个数据类型，核心就是为了「明确语义、简化使用」——让每个数据类型都有自己最擅长的场景，这样写出来的代码才更清晰、更易维护。

所以，下次再纠结“用 dict 还是 set”的时候，先问自己：我是要存“映射关系”，还是要存“唯一元素”？想清楚这个问题，答案就出来了～

长按或扫描下方二维码，免费获取 Python公开课和大佬打包整理的几百G的学习资料，内容包含但不限于Python电子书、教程、项目接单、源码等等
▲扫描二维码-免费领取