虽然有点晚了，但我已经编写了一个类setlist作为集合扩展的一部分，它完全实现了Sequence和Set

>>> from collections_extended import setlist
>>> sl = setlist('abracadabra')
>>> sl
setlist(('a', 'b', 'r', 'c', 'd'))
>>> sl[3]
'c'
>>> sl[-1]
'd'
>>> 'r' in sl  # testing for inclusion is fast
True
>>> sl.index('d')  # so is finding the index of an element
4
>>> sl.insert(1, 'd')  # inserting an element already in raises a ValueError
ValueError
>>> sl.index('d')
4

GitHub: https://github.com/mlenzen/collections-extended

文档:http://collections-extended.lenzm.net/en/latest/

皮皮 https://pypi.python.org/pypi/collections-extended

PyPI上的实现

虽然其他人指出Python中还没有插入顺序保留集的内置实现，但我觉得这个问题缺少一个答案，它说明了在PyPI上可以找到什么。

这些是套餐:

有序集(基于Python) orderedset(基于Cython) collections-extended 波顿(在iterutils下。IndexedSet面向) Oset(最后更新于2012年)

其中一些实现是基于Raymond Hettinger发布到ActiveState的配方，在这里的其他回答中也提到了这个配方。

一些差异

有序集(版本1.1) 优点:O(1)用于索引查找(例如my_set[5]) Oset(版本0.1.3) 优点:O(1)用于移除(物品) 缺点:显然O(n)用于索引查找

这两个实现都有O(1)用于add(item)和__contains__(item) (my_set中的项目)。

我可以为您提供一个比OrderedSet更好的方法:boltons有一个纯python、2/3兼容的IndexedSet类型，它不仅是一个有序集，而且还支持索引(与列表一样)。

简单的pip install boltons(或复制setutils.py到你的代码库中)，导入IndexedSet和:

>>> from boltons.setutils import IndexedSet
>>> x = IndexedSet(list(range(4)) + list(range(8)))
>>> x
IndexedSet([0, 1, 2, 3, 4, 5, 6, 7])
>>> x - set(range(2))
IndexedSet([2, 3, 4, 5, 6, 7])
>>> x[-1]
7
>>> fcr = IndexedSet('freecreditreport.com')
>>> ''.join(fcr[:fcr.index('.')])
'frecditpo'

一切都是唯一的，并保持有序。完全披露:IndexedSet是我写的，但这也意味着如果有任何问题，您可以找我麻烦。：）

答案是否定的，但是您可以使用集合。OrderedDict来自Python标准库，其中只有键(值为None)，用于相同的目的。

更新:从Python 3.7(和CPython 3.6)开始，标准dict保证保留顺序，并且比OrderedDict性能更好。(但是，为了向后兼容性，特别是可读性，您可能希望继续使用OrderedDict。)

下面是一个示例，说明如何使用dict作为有序集，在保留顺序的同时过滤掉重复项，从而模拟有序集。使用dict类方法fromkeys()创建一个dict，然后简单地要求返回keys()。

>>> keywords = ['foo', 'bar', 'bar', 'foo', 'baz', 'foo']

>>> list(dict.fromkeys(keywords))
['foo', 'bar', 'baz']

有一个pip库是这样做的:

pip install ordered-set

然后你可以使用它:

from ordered_set import OrderedSet

如果您已经在代码中使用了pandas，那么它的Index对象的行为就非常像一个有序集，如本文所示。

文章中的例子:

indA = pd.Index([1, 3, 5, 7, 9])
indB = pd.Index([2, 3, 5, 7, 11])

indA & indB  # intersection
indA | indB  # union
indA - indB  # difference
indA ^ indB  # symmetric difference