dict por dentro
Un diccionario es la estructura más usada de Python y la que menos se entiende. Todo el mundo sabe que es «clave-valor» y que va rápido; casi nadie sabe por qué ocupa treinta y siete bytes por entrada, por qué conserva el orden de inserción sin pagar por él, o por qué defaultdict es más rápido que setdefault cuando los dos hacen lo mismo.
En una línea
Sección titulada «En una línea»Un dict es una tabla hash con dos arrays: uno de índices y otro de entradas en orden de inserción.
Dos arrays, no uno
Sección titulada «Dos arrays, no uno»El array de índice es pequeño y disperso: dice en qué entrada está cada hash. Las entradas se guardan compactas, en orden de inserción. Por eso el orden es gratis: ya está en el array de entradas.
Esa separación explica los 36,9 bytes por entrada: no es un objeto por clave, son dos arrays que se redimensionan juntos. Y explica por qué dict conserva el orden desde 3.7 sin coste extra: el array de entradas nunca se reordena.
Las tres formas de agrupar
Sección titulada «Las tres formas de agrupar»| Patrón | Tiempo | Comentario |
|---|---|---|
defaultdict(list) |
13.9 ms | el más rápido |
try/except KeyError |
14.5 ms | casi igual |
d.setdefault(k, []).append(v) |
18.8 ms | crea una lista por llamada |
d[k] = d.get(k, []); d[k].append(v) |
24.4 ms | dos búsquedas y un set |
python mediciones/02-05-07-dict-set-orden.py
La diferencia entre defaultdict y setdefault no es estilística: setdefault(k, []) evalúa el [] en cada iteración, aunque la clave ya exista. Con 200 000 pares son 200 000 listas creadas y tiradas. defaultdict sólo llama a la fábrica cuando falta la clave.
try/except es competitivo porque la excepción casi nunca se lanza cuando hay pocas claves. Si el diccionario fuera de un millón de claves únicas, lanzaría un KeyError por elemento y perdería.
Lo que cuesta la búsqueda
Sección titulada «Lo que cuesta la búsqueda»| Operación | Coste |
|---|---|
d[k] con clave existente |
~30 ns |
d[k] = v |
~40 ns |
k in d |
~30 ns |
| Recorrer el diccionario | O(n) |
La búsqueda es constante en promedio, no en el peor caso: si todas las claves colisionan, degrada a O(n). Por eso el hash de str está aleatorizado desde 3.3 —evita que un atacante construya colisiones a propósito— y por eso una clase con __hash__ malo puede arruinar un diccionario entero.
Operaciones modernas que casi nadie usa
Sección titulada «Operaciones modernas que casi nadie usa»a = {"x": 1, "y": 2}b = {"y": 3, "z": 4}
a | b # {"x": 1, "y": 3, "z": 4} (3.9+)a |= b # en su sitiob.keys() - a.keys() # claves que sólo están en b
d = {"a": 1}d.setdefault("b", []).append(2) # crea si faltad.get("c", "por defecto") # no creaY __missing__ para diccionarios con comportamiento propio:
class PorDefecto(dict): def __missing__(self, clave): return f"falta:{clave}"La trampa
Sección titulada «La trampa»Cuándo no aplica
Sección titulada «Cuándo no aplica»- Para pertenencia sola. Si no hay valor asociado, un
setocupa menos (32,8 contra 36,9 por entrada) y expresa mejor la intención. - Para datos posicionales. Una lista de tuplas o una
dataclassevita claves de texto repetidas en un millón de filas. - Cuando el orden importa y cambia.
dictconserva el orden de inserción, no lo impone: si necesitas reordenar, ordena al recorrer.
Ejercicio
Sección titulada «Ejercicio»Un informe agrupa 500 000 ventas por (año, mes, región) usando d.setdefault(clave, []).append(venta) y tarda 3 segundos. Propón dos mejoras y estima el ahorro.
Solución
Mejora 1 — cambiar el patrón de agrupación. setdefault construye una lista nueva por cada venta. Con defaultdict(list) el ahorro medido sobre 200 000 pares es del 26 % (18,8 → 13,9 ms). Sobre 3 segundos, unos 0,8 s.
Mejora 2 — no guardar las ventas, agregar. Si el informe sólo necesita el total por grupo, guardar listas de ventas es trabajo y memoria desperdiciados:
from collections import defaultdictfrom types import SimpleNamespace
ventas = [ SimpleNamespace(año=2026, mes=11, region="norte", importe=100.0), SimpleNamespace(año=2026, mes=11, region="norte", importe=50.0), SimpleNamespace(año=2026, mes=12, region="sur", importe=80.0),]
totales = defaultdict(float)for v in ventas: totales[(v.año, v.mes, v.region)] += v.importeEso elimina 500 000 objetos lista y reduce el pico de memoria de cientos de megabytes a unos pocos.
La tercera mejora, si aún hiciera falta: Counter o un dict con clave entera calculada una vez, en lugar de una tupla de tres elementos hasheada en cada acceso.
Comprobación con datos de ejemplo:
for clave, total in sorted(totales.items()): print(clave, "->", total)assert totales[(2026, 11, "norte")] == 150.0, "100 + 50"Referencias
Sección titulada «Referencias»- Ramalho, L. Fluent Python, 2ª ed. Capítulo 3: Dictionaries and Sets.
- CPython 3.13:
Objects/dictobject.c(dictresize, tabla combinada). - Mediciones:
mediciones/02-05-07-dict-set-orden.py.
Capítulos relacionados
Sección titulada «Capítulos relacionados»- 06 ·
sety tablas hash: la misma tabla sin valores. - 09 · Hashabilidad (Parte I): qué puede entrar como clave.
- 11 · Elección por coste: cuándo el
dictes caro y qué lo sustituye.