在Python中，list.insert() 和 list.append() 虽然都用于向列表添加元素，但底层机制和性能差异显著——append() 是均摊 O(1) 的高效操作，而 insert() 在非末尾位置插入时是 O(n) 时间复杂度，且会引发大量元素位移。
append()：末尾追加，几乎无开销
append() 总是在列表末尾添加元素。CPython 实现中，列表对象内部维护一个动态数组，预留了额外容量（over-allocation）。只要未超出当前容量，追加就是纯指针赋值+长度递增，无需移动已有元素。
- 平均时间复杂度：O(1)（均摊）
- 空间预分配策略使连续 append 多数情况下不触发 realloc
- 适合构建新列表、收集循环结果等场景
insert()：任意位置插入，代价随索引增大而升高
insert(i, x) 将元素插入到索引 i 处（原 i 及之后所有元素后移一位）。这意味着 Python 必须从末尾开始，将索引 i 到 len-1 的所有元素逐个向后复制一位。
macOS UI 自动化技能包 —— 用 Python 控制你的 Mac
下载
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
- 时间复杂度：O(n − i)，最坏情况是
insert(0, x)，需移动全部 n 个元素 - 即使插入位置靠近末尾（如
insert(-1, x)），仍需移动至少一个元素，无法享受 append 的优化 - 频繁在开头或中间插入，会导致性能急剧下降，尤其对大列表
实际性能差距有多大？
以万级列表为例：
立即学习“Python免费学习笔记（深入）”；
- 对长度为 10000 的列表执行 1000 次
append()：通常耗时 - 同样规模下执行 1000 次
insert(0, x)：可能耗时 >100ms（慢百倍以上） - 用
insert(len(lst), x)模拟 append？仍比原生 append 慢约 2–3 倍（因额外索引计算与边界检查）
什么情况下该用 insert？如何规避性能陷阱？
除非业务逻辑明确要求“保持插入顺序”或“按序构建”，否则应优先避免在中间/开头用 insert。
- 需要有序插入？考虑
bisect.insort()（基于二分查找 + insert，仍慢但逻辑正确）或改用sorted list类库（如sortedcontainers） - 需头插？先用
append()，最后调用list.reverse()；或用collections.deque（头尾插入均为 O(1)） - 批量插入多个元素？先收集到临时列表，再用
lst[i:i] = temp_list（切片赋值，C 层优化，比多次 insert 快得多）
