第752期：字典性能、Hypothesis、惰性导入等（2026-09-15）
内容提要
字典和集合并非始终O(1)，容器较大时可能出现二次时间复杂度；Python 3.15惰性导入可加快启动；Django的Q()对象可动态构建过滤条件；可用1024字节实现迷你Python解释器；读取__dict__会降低属性访问性能。
延伸解读
字典与集合的性能陷阱
文章指出，字典和集合并非始终具有O(1)时间复杂度，当容器较大时，可能出现二次时间复杂度。这意味着在数据量增长时，某些操作可能急剧变慢。开发者应避免盲目假设哈希容器总是常数时间，在性能敏感场景中需关注容器规模，并考虑替代数据结构或优化策略。
Python 3.15 惰性导入的启动优化
Python 3.15 将引入惰性导入，通过延迟加载重型模块来减少应用启动时间。但并非所有导入都能延迟，部分导入仍需保持急切加载。这为优化启动性能提供了新途径，但需注意识别哪些导入可以安全延迟，以避免运行时意外延迟或错误。
Django Q() 对象的动态过滤能力
Django 的 Q() 对象封装了 filter() 的参数，允许在代码中动态构建和管理过滤条件。与直接使用 filter() 相比，Q() 对象提供了更灵活的查询组合方式，尤其适合需要根据运行时条件拼接复杂查询的场景，能提升代码的可读性和可维护性。
读取 __dict__ 对属性访问的影响
文章提到，读取 __dict__ 会降低属性访问性能，且自 CPython 3.11 起，将属性提升到循环外更快的传统解释已不再准确。这提醒开发者，在性能优化时需了解新版解释器的行为变化，避免依赖过时的优化经验，应基于实际测量进行调优。
Q&A
Python 字典和集合的查找性能真的是 O(1) 吗？
不一定。O(1) 只是粗略的近似，仅适用于较小的容器。当容器较大时，字典和集合可能出现二次时间复杂度。
Python 3.15 的惰性导入有什么作用？
惰性导入可以延迟加载重型模块，从而加快应用的启动时间。但并非所有导入都能延迟，有些导入仍需保持急切加载。
Django 的 Q() 对象有什么用？
Q() 对象封装了 filter() 的参数，允许你在代码中动态创建和管理过滤条件，从而灵活地构建数据库查询。
如何用 1024 字节实现一个迷你 Python 解释器？
Austin 用 C 语言实现了一个 Python 的极小子集，通过代码高尔夫技巧，将解释器压缩到 1024 字节以内。它并非完整的 Python，但具有相似性。
为什么读取 __dict__ 会降低属性访问性能？
在 CPython 3.11 及之后，读取 __dict__ 会导致属性访问去优化，从而降低性能。这与之前将属性提升出循环更快的解释不同。
Hypothesis 在 Python 测试中有什么优势？
Hypothesis 支持基于属性的测试，让你从“应该测试什么输入”转向“什么不变量应该始终成立”，从而更有效地发现边缘情况。
