bisect模块不返回查找结果索引，只提供插入位置；需先调用bisect_left()得索引i，再检查i<len(seq)且seq[i]==x来判断是否存在。
直接说结论： bisect 模块不返回查找结果索引，只提供插入位置；想查值是否存在或获取下标，必须自己用 list[index] 配合判断——这是最常踩的坑。
为什么 bisect.bisect_left() 不等于“查找函数”
bisect.bisect_left() 和 bisect.bisect_right() 的唯一职责是：在已排序序列中，算出目标值「应该插入的位置」，保证插入后仍有序。它不检查该位置上是否真有匹配值。
常见错误现象：bisect.bisect_left([1,3,5], 4) 返回 2，但 [1,3,5][2] 是 5，不是 4；有人误以为返回 -1 表示没找到，其实它永远返回一个合法索引（0 到 len(seq)）。
正确用法需两步：
立即学习“Python免费学习笔记（深入）”；
- 调用
bisect.bisect_left(seq, x)得到索引i - 显式检查
i 才能确认存在
插入新元素时，用 bisect.insort_left() 还是手动 insert()？
二者语义一致，但性能差异明显：前者底层用 C 实现，在大列表上快 3–5 倍；后者是纯 Python 的 list.insert()，每次插入都要移动后续元素。
使用场景：
- 频繁插入 + 保持有序 → 无条件选
bisect.insort_left()或insort_right() - 批量插入多个值 → 先排序再一次性
list.extend()+list.sort()，比逐个insort快得多 -
insort_left()和insort_right()区别仅在于相等元素的插入顺序（左/右），对去重无影响
遇到重复元素时，bisect_left 和 bisect_right 怎么选？
这是决定“查第一个还是最后一个出现位置”的关键。
例如 seq = [2,4,4,4,6,8]，查 4：
-
bisect.bisect_left(seq, 4)返回1（第一个4的位置） -
bisect.bisect_right(seq, 4)返回4（最后一个4后一位） - 所以
[1:4]就是所有4的切片 —— 这个区间计算方式容易记混，建议写成left = bisect.bisect_left(seq, x); right = bisect.bisect_right(seq, x); seq[left:right]
注意：bisect_right 不是“查最后一个位置”，而是“插入到末尾的下标”，这点和直觉相反。
实际项目中容易被忽略的约束
bisect 所有函数都要求输入序列**必须已升序排列**，模块本身不做校验。传入乱序列表不会报错，但结果完全不可预测。
几个硬性前提：
- 不能用于
numpy.ndarray或其他非 list/tuple 序列（除非自己实现__getitem__和__len__） - 比较操作依赖对象的
__lt__方法，自定义类需正确定义比较逻辑 - 没有内置支持降序序列，如需降序，要么反转数据，要么改用
key参数配合sorted()预处理（Python 3.10+ 支持key，但bisect本身不接受）
最隐蔽的问题：往列表里一边插入一边查，必须确保每次插入后序列仍有序——漏掉一次 sort() 或插错位置，后续所有 bisect 调用都会失效，且难以定位。
