dict不支持按索引遍历，所谓“索引访问”本质是键查找；其设计目标是O(1)键值查找，而非有序索引访问，需按序取第N个元素时应转list或用itertools.islice，但代价明确。
直接说结论：dict 不支持按索引遍历，所谓“索引访问”本质是键查找
Python 的 dict 是哈希表实现，没有顺序索引概念（3.7+ 虽保持插入顺序，但不提供 dict[0] 这类语法）。试图用索引访问会触发 TypeError: unhashable type: 'int'。性能对比的前提必须先明确：你真需要的是「按插入顺序取第 N 个键值对」，还是「根据键快速查值」？两者底层机制完全不同。
想按插入顺序取第 N 个元素，只能转成 list 再索引
常见错误是写 d[0] 或 d.keys()[0] —— 后者在 Python 3 中返回 dict_keys 视图对象，不支持整数索引，会报 TypeError: 'dict_keys' object is not subscriptable。
正确做法（代价明确）：
-
list(d.keys())[n]或list(d.items())[n]：每次调用都生成新 list，时间复杂度 O(N)，内存开销 O(N) - 若需频繁按序访问，提前缓存
keys_list = list(d.keys())，后续索引为 O(1)，但需注意 dict 变更后缓存失效 - Python 3.8+ 可用
next(itertools.islice(d.keys(), n, n+1))避免全量转 list，但仍是 O(n) 时间，且可读性差
按键查找（d[key]）才是 dict 的高性能用法
这才是 dict 设计目标：平均 O(1) 时间复杂度的键值映射。只要 key 类型可哈希（如 str、int、tuple），查找极快，与字典大小基本无关。
立即学习“Python免费学习笔记（深入）”；
对比陷阱：
- 误以为
for k in d:是“按索引遍历”——实际是迭代哈希桶顺序（逻辑上等价于for k in d.keys():），不等于按插入位置编号 - 用
list(d)[n]模拟索引时，性能随 dict 增大线性下降；而d[some_key]始终稳定 - 若 key 是整数且范围连续，考虑改用
list或array.array，而非强行用 dict 模拟数组
真正需要有序索引访问？换数据结构
如果业务逻辑强依赖「第 0 个」「第 5 个」这种位置语义，dict 本身就是错选。这时候该考虑：
-
collections.OrderedDict（仅 Python -
list[tuple]：如items = [('a', 1), ('b', 2)]，直接items[0]，但失去 O(1) 键查找能力 -
dataclasses+NamedTuple：当结构固定，用属性名代替字符串 key，兼顾可读性与性能
硬用 dict 实现索引访问，等于放弃它的核心优势，还引入隐式性能拐点——这点容易被忽略，尤其在数据量从百级涨到万级时突然变慢。
