如何实现低内存高速度的数组唯一元素统计？Python优化求助

你的老师说得很对——原代码用列表存储所有输入元素的方式，确实在时间和内存效率上都有很大提升空间。咱们一步步拆解问题，看看怎么优化：

先说说原代码的问题 #

• 时间效率低：每次判断tel in a都是遍历整个列表的线性查找，当输入量N很大时，这个操作会越来越慢，整体时间复杂度达到O(N²)。
• 内存浪费：列表a会存储每一个输入的号码，哪怕是重复的，内存占用会随着输入量线性增长。

最优优化方案：用集合替代列表 #

Python的set（集合）是专门为存储唯一元素设计的，底层用哈希表实现，完美契合你的需求：

• 查找元素是否存在的时间复杂度是O(1)，比列表快得多；
• 只会存储唯一元素，不会浪费内存存重复项。

改写后的代码可以是这样：

n = int(input())
seen_numbers = set()
unique_count = 0

for _ in range(n):
    current_tel = int(input())
    if current_tel not in seen_numbers:
        seen_numbers.add(current_tel)
        unique_count += 1

print(unique_count)

如果想更简洁，甚至可以省掉unique_count变量，直接利用集合的长度：

n = int(input())
seen_numbers = set()

for _ in range(n):
    seen_numbers.add(int(input()))

print(len(seen_numbers))

set.add()方法会自动忽略已经存在的元素，最后集合的长度就是唯一号码的数量，代码更清爽，效率也完全一致。

关于“可被持续覆写的变量”的理解 #

你老师提到的“可被持续覆写的变量”，应该是指不要用列表这种会持续累积所有输入的结构，而是用集合这种只维护必要数据（唯一元素）的结构——它不需要存储所有输入，只需要记录哪些号码已经出现过，本质上是用更高效的方式更新已记录的内容，而不是无脑堆积所有数据。

极端场景的极致内存优化 #

如果你的输入量大到夸张（比如百万级甚至千万级），连存储所有唯一号码都觉得内存紧张，可以考虑用位集合（需要安装bitarray库），但这只适用于号码范围明确的场景；一般情况下，用集合就已经能兼顾速度和内存效率了。

内容的提问来源于stack exchange，提问作者Egor