list.append() 是 O(1) 均摊时间复杂度，因在末尾添加且底层动态数组预留空间；list.insert(i, x) 是 O(n)，因需移动索引 i 后所有元素，越靠前插入越慢。
Python 中 list.append() 是 O(1) 均摊时间复杂度，而 list.insert(i, x) 是 O(n) 时间复杂度——关键区别在于操作位置和底层内存行为。
append() 为什么快：在末尾追加，通常无需移动元素
append() 总是在列表末尾添加元素。CPython 的 list 实现背后是动态数组，内部预留了额外空间（over-allocation）。只要还有空位，就直接写入，不需要搬动已有数据。即使偶尔触发扩容（如从容量 128 扩到 256），也是复制一次全部元素，但这种开销被分摊到多次 append 上，所以均摊仍是 O(1)。
- 典型场景：循环收集结果、构建列表、栈式 push
- 注意：不是严格 O(1)，但实践中极稳定，可视为常数级
insert() 为什么慢：可能需要整体平移元素
insert(i, x) 把元素插入索引 i 处。这意味着从位置 i 开始的所有后续元素都得往后挪一位。最坏情况（i = 0）要移动全部 n 个元素；平均下来也要移动约 n/2 个元素，因此时间复杂度为 O(n)。
提示词大师-python版
下载
图片提示词生成器？不止如此。 马甲系统 —— 把脑海中的画面，翻译成AI能理解的专业表达。 用得越多，它越懂你：首次需要多问几句确认方向，用久了几乎一说就懂。 用得越多，它越快：缓存机制让后续对话越来越省。 RAG进化：成功案例持续入库，越跑越聪明。 输入「新手指南」查看完整功能介绍
- 越靠前插入越慢（
insert(0, x)最差） - 插入末尾（
insert(len(lst), x)）等价于append()，但不推荐这么写——语义不清且无优化
实际影响：大数据量下性能差距明显
当列表有 10 万以上元素时，频繁用 insert(0, x) 构建列表，可能比用 append() 再 reverse() 慢上百倍。例如：
立即学习“Python免费学习笔记（深入）”；
❌ 低效写法：result = []<br>for item in data:<br> result.insert(0, item) # 每次 O(n)，总耗时 O(n²)✅ 更好写法：
result = []<br>for item in data:<br> result.append(item) # 每次 O(1)，总耗时 O(n)<br>result.reverse() # 一次 O(n)
替代方案：按需选择更合适的数据结构
如果真需要频繁在开头插入或删除，list 不是最佳选择：
- 用
collections.deque：两端插入/删除都是 O(1) - 用链表逻辑？Python 标准库无内置单链表，但
deque足够覆盖多数队列/栈/双端场景 - 若必须用 list 且插入位置固定（如始终末尾），坚持用
append()和pop()
