本机实测 defaultdict 比 setdefault 快，但「默认值越贵差距越大」未复现

两段看着差不多的计数代码

分组计数通常有两种写法：用 defaultdict，或者普通字典配 setdefault。功能上等价，开销差多少得测。我按三组对照各测了一遍，顺带核了一下「默认值越贵差距越大」这个说法，本机这两组里没出现这个趋势。

计时框架

三组共用同一套框架：每轮三批、每批十五轮交错（先 A 后 B 与先 B 后 A 轮流，抵消先后偏差），批内取中位数再取三批的中位数，整轮重复七轮。

import time, statistics
from collections import defaultdict
M, ROUNDS, BATCHES, REP = 800000, 15, 3, 7

def bench(fn):
    t = time.perf_counter()
    fn()
    return time.perf_counter() - t

def one_round(f1, f2):
    res = []
    for _ in range(BATCHES):
        f1(); f2()                      # 预热
        a, b = [], []
        for i in range(ROUNDS):         # 交错
            if i % 2 == 0:
                a.append(bench(f1)); b.append(bench(f2))
            else:
                b.append(bench(f2)); a.append(bench(f1))
        res.append((statistics.median(a), statistics.median(b)))
    ma = round(statistics.median([r[0] for r in res]), 4)
    mb = round(statistics.median([r[1] for r in res]), 4)
    return ma, mb, round(mb / ma, 3)

def report(f1, f2):
    rs = [one_round(f1, f2) for _ in range(REP)]
    print("  比值 %s 中位=%.3f 区间 %.3f~%.3f  中位耗时 %.4fs / %.4fs" % (
        [r[2] for r in rs], statistics.median([r[2] for r in rs]),
        min(r[2] for r in rs), max(r[2] for r in rs),
        statistics.median([r[0] for r in rs]), statistics.median([r[1] for r in rs])))
    return [r[2] for r in rs]

第一组：整数默认值

def dd():
    d = defaultdict(int)
    for i in range(M):
        d[i % 1000] += 1

def sd():
    d = {}
    for i in range(M):
        d.setdefault(i % 1000, 0)
        d[i % 1000] += 1

r1 = report(dd, sd)

本机 CPython 3.13.14 / win32 实测，七轮比值依次是 1.561、1.525、1.519、1.521、1.511、1.605、1.522，中位数 1.522，区间 1.511~1.605，两边中位耗时 0.1276s 与 0.1955s。

两个方向要分开说：以 defaultdict 为基准，setdefault 耗时是它的 1.52 倍；以 setdefault 为基准，defaultdict 省下约 34% 的时间。两个数字分母不同，别当成同一说法换个措辞。

第二组：默认值换成列表

def dd_list():
    d = defaultdict(list)
    for i in range(M):
        d[i % 1000].append(1)

def sd_list():
    d = {}
    for i in range(M):
        d.setdefault(i % 1000, []).append(1)

r2 = report(dd_list, sd_list)

七轮比值依次是 1.375、1.299、1.226、1.315、1.312、1.311、1.307，中位数 1.311，区间 1.226~1.375，中位耗时 0.0966s 与 0.1263s。比值从第一组的 1.522 降到 1.311：这次把默认值换成每轮都要新建的空列表，差距没有变大，反而变小了。流传的「默认值越贵，setdefault 白造对象的浪费越严重，差距会成倍放大」这个推断，在本机这两组里没有出现。

逐轮配对比较，七轮里组1 的比值都高于组2，无一例外；组1 的下界 1.511 也高于组2 的上界 1.375。

组2 两边绝对耗时都低于组1，原因分两侧：setdefault 侧每轮少一次字典查找和一次写入，defaultdict 侧是把读-加-写换成 append。所以两组绝对耗时不能横比，只能比比值。

第三组：显式分支

def branch():
    d = {}
    for i in range(M):
        k = i % 1000
        if k not in d:
            d[k] = 0
        d[k] += 1

这个函数只有一个，预热一次后连续跑十五轮取中位数，同样重复七轮，中位数 0.1495s。组3 与组1 工作量结构相同（同样是一千个键上的八十万次自增），耗时可直接比：0.1495s 落在组1 的 0.1276s 与 0.1955s 之间。

关于原因，能说的和不能说的

几处写法每轮的字典操作次数不同，setdefault 版在 d.setdefault(...) 之外还有一次 d[k] += 1，分支版多一次 k not in d 的查找，列表版是链式 append；哪一项占多少，得单独拆开测。

更要紧的是，第二组不是一次单变量实验：它同时换了默认值的成本和工作量结构（组1 每轮做一次整数自增，组2 每轮做一次列表追加），分母的工作量本身就不一样。所以两组的比值只能说明这个趋势没出现，不足以反驳那条推断本身。

默认值确实变贵了这点坐实。组1 里 setdefault 传的 0 是常量，不分配对象；组2 里 setdefault(k, []) 每轮新建一个空列表，八十万次分配，绝大多数建完就丢。defaultdict 一侧始终只有一千次工厂调用，开销可忽略。只有一侧的默认值构造开销被抬到八十万次，比值却从 1.522 降到 1.311，这仍是双变量局面，不能当成对那条推断的反驳。

单轮比值的区间会偶有重叠：同一套代码换批跑，组1 出现过 1.703 这样的高轮，组2 也出现过 1.527。所以这里不拿单轮区间说事，拿的是七轮逐轮配对的一致性。

这里没有做方差或显著性检验，也没覆盖别的键空间或别的追加方式。它够用来说明在本机这两组里没出现这个趋势，不够判断那条推断本身对不对，更不够用来证明一条普遍规律。这也是标题只写「本机未复现」的原因。

顺带一个容易写错的地方

可变默认值要留意对象是新造的还是共用的。setdefault(k, []) 每轮都新建一个空列表，键之间不共享，但每轮多一次分配；若把外部同一个列表对象反复传给多个键，改一处会牵连其他键。defaultdict(list) 只在键缺失时造新列表，每键各一份。要每键独立用 defaultdict(list)，共用一份只能自己把对象传进去。

怎么选

单纯计数或分组，优先 defaultdict，语义清楚，实测也快。键是否存在要区别对待、或补默认值的逻辑跟单次操作绑得很紧时，用普通字典把分支写清楚更合适。本机三者的顺序是 defaultdict 0.1276s、显式分支 0.1495s、setdefault 0.1955s。

可复现条件：CPython 3.13.14 / win32，M 取八十万，键空间是 i % 1000，每轮三批、每批十五轮交错、批内取中位数、整轮重复七轮。未控制垃圾回收状态，批内极差能占中位数的三成到九成，但重复七轮后中位数稳定得多。微基准换个机器或版本都可能改比值。