Python列表本质是动态数组，底层为连续内存块，含size、allocated和ob_item指针；append触发扩容（约12.5%增长），预分配可提升性能；赋值为引用传递，需copy或deepcopy避免共享修改；去重保序用dict.fromkeys，批量修改用enumerate，拆分用切片推导式；性能瓶颈时可选tuple、deque或array替代。
Python列表不是简单的“容器”，它的底层是动态数组，理解这点才能真正用好它。本讲聚焦列表的内存模型、可变性本质和常见陷阱，配合真实开发场景中的典型问题，帮你把列表从“会用”升级到“精通”。
列表的本质：动态数组与连续内存
列表在CPython中实际是一个指向连续内存块的指针，内部维护着元素数量（size）、已分配容量（allocated）和指向数据的指针（ob_item）。每次append时，如果容量不够，解释器会申请更大的内存块（通常按12.5%增长），再把旧数据复制过去——这就是为什么多次append比预估长度后一次性初始化慢。
- 用sys.getsizeof([])查看空列表约消耗56字节；添加10个整数后约120字节，但添加第11个时可能跳到184字节——扩容发生了
- 若已知最终长度（如处理固定行数的CSV），优先用[None] * n或list(range(n))预分配，避免频繁拷贝
- del lst[i]或lst.pop()会触发元素前移或缩容判断，大量删除建议用列表推导式重建
可变对象的“引用陷阱”必须避开
列表是可变对象，赋值（b = a）只是创建新引用，而非复制内容。所有对b的修改都会反映在a上——这是90%以上初学者调试数小时的根源。
- 浅拷贝用b = a.copy()、b = a[:]或b = list(a)，仅复制第一层引用
- 嵌套列表需深拷贝：import copy; b = copy.deepcopy(a)
- 函数参数传列表？默认就是引用传递。若函数内要修改且不希望影响原列表，开头加data = data.copy()
实战案例：高频操作的正确写法
脱离场景学语法等于白学。下面三个例子覆盖日常80%痛点：
立即学习“Python免费学习笔记（深入）”；
- 去重并保序：别用list(set(lst))（乱序+丢元素类型），改用list(dict.fromkeys(lst))（Python 3.7+）或手动遍历+集合记录已见项
- 批量修改满足条件的元素：避免for i in range(len(lst)): + if ...: lst[i] = ...。用enumerate更安全：for i, x in enumerate(lst): if condition(x): lst[i] = new_val
- 拆分长列表为等长子列表：别手写循环切片。用[lst[i:i+n] for i in range(0, len(lst), n)]，清晰高效
性能敏感场景的替代方案
当列表出现明显卡顿（如百万级数据实时处理），先确认是否真需要列表：
- 只读序列？用tuple更省内存且不可变，适合配置、枚举
- 频繁在头部增删？列表O(n)太慢，换collections.deque（双端队列，O(1)）
- 数值计算密集？array.array('i', [...])比列表省内存5~10倍；科学计算直接上numpy.ndarray
