结论：bisect模块查找比手写二分或list.index()快得多，因前者O(log n)最多20次比较，后者O(n)平均50万次；但要求列表严格有序且只查不改，否则需自行维护有序性。
直接说结论：用 bisect 模块做查找，比手写二分或用 list.index() 快得多，但前提是列表必须严格有序，且你只查不改——一旦插入/删除，就得自己维护有序性。
为什么不能直接用 list.index() 查找？
在长度为 10⁶ 的有序列表里找一个值：list.index() 是 O(n) 线性扫描，平均要比较 50 万次；bisect.bisect_left() 是 O(log n)，最多比较 20 次。实测差距常在 100 倍以上。
- 常见错误现象：
ValueError: xxx is not in list—— 这不是bisect报的，是手写循环里没找到还硬 return 导致的；bisect从不抛这个错，它只返回位置索引 - 使用场景：日志时间戳排序后查某秒内的第一条记录、股票价格序列查首次突破阈值点、IP 地址段匹配
- 注意：
bisect不检查输入是否有序，传入乱序列表会返回错误位置，且无任何警告
bisect_left 和 bisect_right 到底怎么选？
关键看你要处理重复元素时的行为。假设列表是 [1, 2, 2, 2, 3]，查 2：
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
-
bisect_left(a, 2)返回1（最左插入点，即第一个2的位置） -
bisect_right(a, 2)返回4（最右插入点，即最后一个2后面的位置） - 所以判断是否存在：
if a[bisect_left(a, x)] == x:—— 但得先确保索引不越界：pos = bisect_left(a, x); if pos - 查范围（如所有等于 x 的元素）：
left = bisect_left(a, x); right = bisect_right(a, x); a[left:right]
插入新元素时如何保持有序？
别先 append 再 sort —— 那是 O(n log n)，完全毁掉优势。用 insort_left 或 insort_right：
立即学习“Python免费学习笔记（深入）”；
- 它们内部调用对应
bisect_*找位置，再用list.insert()插入，整体 O(n)，但比重排快得多 - 性能影响：单次插入仍是 O(n)，因为 Python 列表底层是数组，插入中间要搬移元素；如果插入非常频繁，该换
sortedcontainers.SortedList或自己维护平衡树 - 兼容性注意：Python bisect.insort 不支持
key参数；想按字段排序插入，得先确保列表按该字段建好，不能临时传 key
真正容易被忽略的是：bisect 只解决“查”和“插”的局部效率，但如果你一边查一边大量删，或者需要动态范围聚合（比如区间和），那光靠它不够——得上 array + 手动二分，或者直接切到 NumPy 的 searchsorted，甚至考虑用 B-tree 类库。
