在 Python 中，“按值批量刪除” 並 “去重” 的核心是 先篩選出不需要刪除的元素，再通過集合（set）自動去重。以下是 4 種常用實現方式，覆蓋不同場景（是否保留原順序、是否修改原列表、效率要求），附帶代碼示例和詳細解析：

一、核心需求拆解

• 按值批量刪除：給定要刪除的多個值（如 [2,3,5]），從列表中移除所有匹配的元素；
• 去重：最終結果列表中不包含重複元素（即使原列表有重複的保留元素）；
• 可選需求：是否保留原列表的元素順序、是否允許修改原列表、是否需要高效處理大數據量。

二、4 種實現方式（按推薦優先級排序）

方式 1：列表推導式 + set（推薦，保留順序 + 高效）

核心邏輯

用列表推導式篩選出 “不在刪除值列表” 中的元素，再通過 dict.fromkeys() 或 OrderedDict 去重並保留原順序（Python 3.7+ 後 dict 有序）。

代碼示例

python

運行

# 原列表
nums = [1, 2, 3, 2, 4, 5, 5, 6, 3, 7, 7]
# 要刪除的值
del_values = {2, 3, 5}  # 用 set 存儲，查找效率 O(1)（推薦）

# 步驟 1：篩選出不刪除的元素（保留原順序）
filtered = [x for x in nums if x not in del_values]
# 步驟 2：去重並保留原順序（Python 3.7+）
result = list(dict.fromkeys(filtered))  # dict.fromkeys() 自動去重，保留插入順序

print(result)  # 輸出：[1, 4, 6, 7]（保留原順序，無重複）

原理

• 列表推導式 [x for x in nums if x not in del_values]：遍歷原列表，僅保留不在 del_values 中的元素（保留原順序），時間複雜度 O (n)；
• dict.fromkeys(filtered)：用篩選後的列表作為字典的鍵，字典的鍵自動去重，且 Python 3.7+ 後保留鍵的插入順序（即原列表順序），時間複雜度 O (m)（m 為篩選後列表長度）；
• 整體時間複雜度 O (n + m) = O (n)（高效）。

優點

• 保留原元素順序（符合日常需求）；
• 效率高（篩選和去重都是線性時間）；
• 語法簡潔，一行可完成（合併步驟）：
  python
  運行

result = list(dict.fromkeys([x for x in nums if x not in del_values]))

適用場景

• 日常開發中 “按值批量刪 + 去重 + 保留順序” 的核心場景（90% 以上場景適用）。

方式 2：set 差集（最快，不保留順序）

核心邏輯

將原列表和刪除值列表都轉為 set，通過集合差集直接獲取 “保留的元素”，再轉回列表（set 自動去重，但無序）。

代碼示例

python

運行

nums = [1, 2, 3, 2, 4, 5, 5, 6, 3]
del_values = {2, 3, 5}

# 步驟 1：轉為 set，求差集（自動去重+刪除指定值）
result_set = set(nums) - del_values  # 差集：nums 中不在 del_values 的元素
# 步驟 2：轉回列表（無序）
result = list(result_set)

print(result)  # 輸出：[1, 4, 6]（順序不固定，自動去重）

原理

• set(nums)：原列表轉集合，自動去重（時間複雜度 O (n)）；
• set(nums) - del_values：集合差集運算，獲取保留的元素（時間複雜度 O (min (n, k))，k 為刪除值個數）；
• 整體時間複雜度 O (n)，是所有方式中最快的。

優點

• 速度極快（集合運算底層優化）；
• 代碼極簡（一行可完成）：
  python
  運行

result = list(set(nums) - {2, 3, 5})

缺點

• 不保留原列表的元素順序（set 是無序結構）；
• 自動去重（若需保留重複元素，不適用）。

適用場景

• 無需保留原順序，僅需 “快速刪除指定值 + 去重” 的場景（如數據清洗、標籤過濾）。

方式 3：倒序遍歷 + pop ()（修改原列表，保留順序）

核心邏輯

倒序遍歷原列表，若元素在刪除值列表中，用 pop() 刪除（倒序避免索引錯亂），同時用 set 記錄已保留的元素，實現去重。

代碼示例

python

運行

nums = [1, 2, 3, 2, 4, 5, 5, 6, 3, 7, 7]
del_values = {2, 3, 5}
seen = set()  # 記錄已保留的元素，用於去重

# 倒序遍歷（索引從 len(nums)-1 到 0）
for i in range(len(nums)-1, -1, -1):
    current = nums[i]
    # 條件：1. 元素不在刪除值列表；2. 元素未被保留過（去重）
    if current in del_values or current in seen:
        nums.pop(i)  # 刪除元素（倒序不影響索引）
    else:
        seen.add(current)  # 記錄已保留的元素

print(nums)  # 輸出：[1, 4, 6, 7]（保留原順序，修改原列表）

原理

• 倒序遍歷：避免正序刪除導致的索引偏移（刪除後面的元素不影響前面的索引）；
• seen 集合：記錄已保留的元素，再次出現時直接刪除（實現去重）；
• pop(i)：刪除當前索引元素，時間複雜度 O (n)（非末尾元素需移動後續元素），但因倒序，移動次數較少。

優點

• 直接修改原列表（無額外內存佔用，適合大數據量）；
• 保留原元素順序。

缺點

• 時間複雜度 O (n²)（最壞情況，如刪除大量元素時多次 pop 移動）；
• 代碼較繁瑣（需維護 seen 集合和倒序遍歷）。

適用場景

• 需修改原列表，且內存敏感（如超大列表，無法生成新列表）的場景。

方式 4：pandas 庫（大數據量 + 高效，保留順序）

核心邏輯

利用 pandas 庫的 Series 數據結構，通過 isin() 篩選元素，drop_duplicates() 去重，適合處理十萬級以上的大數據量。

代碼示例

python

運行

import pandas as pd

nums = [1, 2, 3, 2, 4, 5, 5, 6, 3, 7, 7] * 1000  # 放大為 11000 個元素（模擬大數據）
del_values = {2, 3, 5}

# 步驟 1：轉為 pandas Series
s = pd.Series(nums)
# 步驟 2：篩選出不在刪除值列表的元素
filtered = s[~s.isin(del_values)]  # ~ 表示取反
# 步驟 3：去重並保留原順序
result = filtered.drop_duplicates().tolist()

print(result)  # 輸出：[1, 4, 6, 7]（保留原順序，高效處理大數據）

原理

• s.isin(del_values)：判斷每個元素是否在刪除值列表中，返回布爾 Series（時間複雜度 O (n)）；
• s[~s.isin(del_values)]：篩選出不刪除的元素（保留原順序）；
• drop_duplicates()：去重並保留首次出現的元素（時間複雜度 O (n)）；
• pandas 底層用 C 語言優化，大數據量下效率遠高於純 Python 方法。

優點

• 大數據量處理極快（十萬級以上元素優勢明顯）；
• 保留原順序，語法簡潔。

缺點

• 需安裝 pandas 庫（非 Python 內置）；
• 小數據量下（如幾百個元素），因庫調用開銷，效率不如方式 1 和 2。

適用場景

• 數據分析、大數據處理場景（如處理 CSV 數據、日誌數據中的批量刪除 + 去重）。

三、不同場景的最優選擇

四、避坑重點

1. 刪除值用 set 存儲：無論哪種方式，del_values 建議用 set（如 {2,3,5}），而非列表（[2,3,5]）——in 操作在 set 中是 O (1)，列表中是 O (k)（k 為刪除值個數），大數據量下差異明顯；
2. 避免正序遍歷刪除：如 for num in nums: if num in del_values: nums.remove(num)，會導致索引偏移，元素漏刪，且無法實現去重；
3. 去重並保留順序的關鍵：Python 3.7+ 用 dict.fromkeys()，Python 3.6 及以下用 collections.OrderedDict.fromkeys()（功能一致）；
4. pandas 適用於大數據：小數據量（如幾千個元素）用方式 1 即可，無需引入 pandas（避免庫依賴和調用開銷）。

五、總結

• 日常開發優先選 方式 1（列表推導式 + set） ，兼顧順序、效率和簡潔性；
• 追求極致速度且無需順序選 方式 2（set 差集） ；
• 內存敏感或必須修改原列表選 方式 3（倒序遍歷 + pop） ；
• 大數據量處理選 方式 4（pandas） 。

根據實際需求（是否保留順序、數據量、內存限制）選擇合適的方式，即可高效實現 “按值批量刪 + 去重”。