如果可以使用第三方软件包，则可以使用iteration_utilities.unique_everseen：
>>> from iteration_utilities import unique_everseen
>>> l = [{'a': 123}, {'b': 123}, {'a': 123}]
>>> list(unique_everseen(l))
[{'a': 123}, {'b': 123}]
它保留了原始列表的顺序，并且ut还可以通过使用较慢的算法（O(n*m)其中n原始列表中的元素和原始列表中m的唯一元素代替O(n)）来处理诸如字典之类的不可散列的项目。如果键和值都是可哈希的，则可以使用该key函数的参数来为“唯一性测试”创建可哈希的项（以便它在中起作用O(n)）。
对于字典（比较起来与顺序无关），您需要将其映射到另一个类似的数据结构，例如frozenset：
>>> list(unique_everseen(l, key=lambda item: frozenset(item.items())))
[{'a': 123}, {'b': 123}]
请注意，您不应该使用简单的tuple方法（不进行排序），因为相等的字典不一定具有相同的顺序（即使在Python 3.7中也保证了插入顺序 -而不是绝对顺序）：
>>> d1 = {1: 1, 9: 9}
>>> d2 = {9: 9, 1: 1}
>>> d1 == d2
True
>>> tuple(d1.items()) == tuple(d2.items())
False
如果键不可排序，甚至对元组进行排序也可能不起作用：
>>> d3 = {1: 1, 'a': 'a'}
>>> tuple(sorted(d3.items()))
TypeError: '<' not supported between instances of 'str' and 'int'
基准测试
我认为比较这些方法的性能可能会很有用，因此我做了一个小型基准测试。基准图是时间与列表大小的比较，该列表基于不包含重复项的列表（该列表是任意选择的，如果添加一些或大量重复项，则运行时不会发生明显变化）。这是一个对数-对数图，因此涵盖了整个范围。
绝对时间：
与最快方法有关的时间安排：
从第二种方法thefourtheye最快在这里。unique_everseen具有key功能的方法排在第二位，但这是保留顺序的最快方法。jcollado和thefourtheye的其他方法几乎一样快。使用该方法unique_everseen无需钥匙，并从解决方案的灵光和Scorpil是更长的名单很慢，表现得差多少O(n*n)，而不是O(n)。stpk的方法json不是，O(n*n)但是比类似的O(n)方法要慢得多。
再现基准的代码：
from simple_benchmark import benchmark
import json
from collections import OrderedDict
from iteration_utilities import unique_everseen
def jcollado_1(l):
return [dict(t) for t in {tuple(d.items()) for d in l}]
def jcollado_2(l):
seen = set()
new_l = []
for d in l:
t = tuple(d.items())
if t not in seen:
seen.add(t)
new_l.append(d)
return new_l
def Emmanuel(d):
return [i for n, i in enumerate(d) if i not in d[n + 1:]]
def Scorpil(a):
b = []
for i in range(0, len(a)):
if a[i] not in a[i+1:]:
b.append(a[i])
def stpk(X):
set_of_jsons = {json.dumps(d, sort_keys=True) for d in X}
return [json.loads(t) for t in set_of_jsons]
def thefourtheye_1(data):
return OrderedDict((frozenset(item.items()),item) for item in data).values()
def thefourtheye_2(data):
return {frozenset(item.items()):item for item in data}.values()
def iu_1(l):
return list(unique_everseen(l))
def iu_2(l):
return list(unique_everseen(l, key=lambda inner_dict: frozenset(inner_dict.items())))
funcs = (jcollado_1, Emmanuel, stpk, Scorpil, thefourtheye_1, thefourtheye_2, iu_1, jcollado_2, iu_2)
arguments = {2**i: [{'a': j} for j in range(2**i)] for i in range(2, 12)}
b = benchmark(funcs, arguments, 'list size')
%matplotlib widget
import matplotlib as mpl
import matplotlib.pyplot as plt
plt.style.use('ggplot')
mpl.rcParams['figure.figsize'] = '8, 6'
b.plot(relative_to=thefourtheye_2)
为了完整起见，以下是仅包含重复项的列表的时间安排：
# this is the only change for the benchmark
arguments = {2**i: [{'a': 1} for j in range(2**i)] for i in range(2, 12)}
除了unique_everseen没有key功能外，时序不会有明显变化，在这种情况下，这是最快的解决方案。但是，这是具有不可散列值的函数的最佳情况（因此不具有代表性），因为它的运行时取决于列表中唯一值的数量：O(n*m)在这种情况下，该值仅为1，因此在中运行O(n)。
免责声明：我是的作者iteration_utilities。