Python 列表 append 方法的基本用法
核心概念与调用方式
在 Python 中，列表的 append 方法用于将一个单独的对象追加到列表末尾，并直接修改原列表。它的调用签名是 list.append(obj)，返回值是 None，因此通常不将结果赋值给新的变量。
需要注意的是，append 只接受单个对象，无论对象是整数、字符串、元组，还是另一个列表，都会作为一个单独的元素追加到末尾。若传入一个可迭代对象，结果仍然是将该对象作为一个整体添加，而不是将其展开。
# 基本用法示例
lst = [1, 2, 3]
lst.append(4)
print(lst) # [1, 2, 3, 4]如果你执行 lst.append([4,5])，结果会在列表末尾放入一个子列表，而不是将 4 和 5 作为单独的元素。这就是一个需要关注的点，因为它影响后续的迭代和访问模式。
# 将整个列表作为一个元素追加
lst = [1, 2, 3]
lst.append([4, 5])
print(lst) # [1, 2, 3, [4, 5]]在时间复杂度方面，append 的平均时间复杂度为常数时间 O(1)，但当底层列表容量不足以容纳新元素时，Python 解释器会执行扩容操作，这会涉及将现有元素拷贝到新的内存区域，因此偶发的成本会高于常数时间，但总体是摊销常数时间。
# 简单对比：对大量 append 的时间影响（单位：秒）可作为近似参考
import time
n = 1000000
lst = []
start = time.perf_counter()
for i in range(n):
lst.append(i)
end = time.perf_counter()
print(end - start)使用场景：什么时候选择 append
逐步构建数据结构
当你需要在循环或逐条处理数据时逐步构建列表，使用 append 将每一条记录追加到末尾，避免一次性创建中间列表。
此外，append 适合合并单个对象到现有集合，例如从数据源读取一条条记录后持续累积。
# 场景示例：逐条读取并累积
lines = []
with open('data.txt','r') as f:
for line in f:
lines.append(line.rstrip('\n'))如果你需要把多个元素一次性加入，请考虑 extend 或列表连接，而不是多次调用 append，后者在大数据量时会有更高的函数调用开销。
# 不要用 append 循环拼接大量元素，示例用 extend 更高效
data = [1,2,3,4,5]
lst = []
lst.extend(data)
print(lst) # [1, 2, 3, 4, 5]append 与 extend 的区别
核心差异点
最关键的差异在于：append 向列表末尾添加单一对象，而 extend 迭代给定的可迭代对象，并把其中的元素逐个追加。
另一个要点是：传入一个可迭代对象如列表、元组等，append 会把它作为一个整体添加，而 extend 会展开它的元素。
# append 示例
lst = [1, 2, 3]
lst.append([4, 5])
print(lst) # [1, 2, 3, [4, 5]]
# extend 示例
lst = [1, 2, 3]
lst.extend([4, 5])
print(lst) # [1, 2, 3, 4, 5]对一个字符串的行为也值得留意：append 会将整个字符串作为一个元素，而 extend 会把字符串拆成单个字符来添加。
# 字符串示例
lst1 = []
lst1.append('ab')
print(lst1) # ['ab']
lst2 = []
lst2.extend('ab')
print(lst2) # ['a', 'b']在性能角度，append 与 extend 的成本与迭代数量相关，通常在相同数量的元素添加下，两者耗时接近，但多次 append 可能带来更高的函数调用开销。
# 性能对比：简单对比节约度
import time
def bench_append(n):
lst = []
t0 = time.perf_counter()
for i in range(n):
lst.append(i)
t1 = time.perf_counter()
return t1 - t0
def bench_extend(n):
lst = []
t0 = time.perf_counter()
lst.extend(range(n))
t1 = time.perf_counter()
return t1 - t0
print(bench_append(1000000), bench_extend(1000000))性能分析：append 的时间复杂度与内存影响
时间胸褶与扩容机制
如前所述，append 的摊销时间复杂度为常数时间 O(1)，但当现有容量不足时，解释器会触发扩容，涉及拷贝当前元素，成本在短时间内增加。
内存层面，Python 的列表使用连续内存块存放对象引用，扩容时通常会分配更大的空间以减少频繁重新分配。
# 简化说明：内部结构是一个对对象引用的数组
lst = [1,2,3]
print(len(lst), id(lst))简单的微基准（风险：受硬件影响）可以帮助理解趋势：较高的数据量下，append 的耗时呈现出线性增长的模式，但单次操作维持在较低的常数时间。
# 简单的微基准（风险：受硬件影响）
import time
n = 200000
lst = []
start = time.perf_counter()
for i in range(n):
lst.append(i)
end = time.perf_counter()
print('append time:', end - start)此外，使用 + 拼接列表会产生额外的拷贝成本，在大规模数据处理场景下往往显著高于单纯的 append 或 extend 的成本。
# 使用 + 拼接的代价示例
a = [1, 2, 3]
b = [4, 5]
c = a + b # 产生新列表并拷贝元素
print(c)