Python小知识-append与insert的列表操作

原创不易，转载前请注明博主的链接地址：Blessy_Zhu https://blog.csdn.net/weixin_42555080
本次代码的环境：
运行平台： Windows
Python版本： Python3.x
IDE： PyCharm

一、 问题描述

今天在看Magnus Lie Hetland写的《Python算法教程》时，偶然间看到了一个自己一直忽略的问题，即Python的list列表的本质。

二、 代码展示

我们还是先来看代码：

1、append：对列表的操作

重点看运行时间，结果如图1。

import time
start = time.perf_counter()
count = 10**5
nums = []
for i in range(count):
    nums.append(i)
nums.reverse()
end = time.process_time()
print('Running time: %s Seconds'%(end-start))

图1

2、insert对列表的操作

重点看运行时间，结果如图2。

import time
start = time.perf_counter()
count = 10**5
nums = []
for i in range(count):
    nums.insert(0,i)
end = time.process_time()
print('Running time: %s Seconds'%(end-start))

图2

从图中我们可以看到，同样是Python中的列表做增加元素的操作，两种操作的运行时间的差距确实明显。似乎是出于某种原因，当我们选择将相关元素项添加到list尾端时，其在应对list 大小变化时的性能弹性要比在其首端插入要好一些。而且，这些内置操作通常还都是用C编写的。如果我们花点时间用纯Python重新实现下 list.append方法，(粗略)估计新版本会比原版本慢50倍左右。并且我们还可以做进步估计，相较于这个较慢的纯Python实现的append方法在一台速度非常慢的机器上的表现而言，那个较快的、优化版的insert方法在一台普通计算机上的速度大致要快上1000倍。那么，如果我们现在将insert版所具有的速度优势设置为50000一个单位， 然后对比这两个实现在插入100000个数字时的情况， 您认为会是什么结果?
从直觉上来看，似乎显然应该是速度快的那个解决方案会胜出。但在这里，其“速度性”只是一个常数单位，而且它的运行时间增长得又比“较慢”的那一版要快一些。 就眼前这个例子来说，运行环境较慢的、用纯Python 实现的那版代码完成时间实际 上只有其他版本的一半。下面让我们再继续扩大问题的规模，如将数字增加到1 000万个。这时候我们会发现，慢机器上的Pyton版本(append方法)已经比快机器上的C版本(inset方法)快了近2000倍"。这中间的区别几乎就相当于其中一个只需运行不到一分钟的时间， 而另一个则需要运行近一 天半!

三、原因讲解

其实，Python 中的list 并不是我们传统意义上的列表，这也是其append操作会比insert 操作效率高的原因所在。传统列表——通常也叫作链表( linkedlist)——通常是由一系列节点来实现的，其每个节点(尾节点除外)中都持有一个指向下一节点的引用。简单实现起来应该就像下面这样:

class Node:
	def _init_ (self, value, next=None):
		self.value = value
		self.next = next

接下来，我们就可以将所有的节点构造成一个列表了:

>>>L = Node("a", Node("b", Node("c", Node("d"))))
>>> L. next. next. Value
'c'

这是 一个单向链表。 Python中的list则与此有些不同。它不是由若千个独立的节点相互引用而成的，而足整块单一连续的内存区块一 我们通常称之为数组array)。这直接导致了它与链表之间的一些重要区别。例如，尽管两者在遍历时的效率相差无几(除了对于链表来说有一些额外的开销)，但如果我们要按既定索引值对某元素进行直接访问的话，显然使用数组会更有效率。因为在数组中，我们通常可以直接计算出目标元素在内存中的位置，并能对其进行直接访问。而对于链表来说，我们必须从头开始遍历整个链表。
但具体到insert操作上，情况又会有所不同。对于链表而言，只要知道了要在哪里执行insert 操作，其操作成本是非常低的。无论该列表中有多少元素，其操作时间(大致上)是相同的。而数组就不一样了，它每次执行insert 操作都需要移动插入点右边的所有元素，甚至在必要时，我们可能还需要将这些列表元素整体搬到一个更大的数组中去。也正因为如此，append操作通常会采用一种被称为动态数组或向量”的特定解决方案。其主要想法是将内存分配得过大一些，并且等到其溢出时，在线性时间内再次重新分配内存。但这样做似乎会使得append变得跟insert一样糟糕。其实不然，因为尽管这两种情况都有可能会迫使我们去搬动大量的元素，但主要的不同点在于，对于append操作，发生这样的可能性要小得多。事实上，如果我们能确保每次所搬入的数组都大过原数组一定的比例(例如大20%甚至100%)，那么该操作的平均成本(或者说得更确切一些，将这些搬运开销均摊到每次ppend操作中去)通常是常数的。

四、 总结

以上内容介绍了append与insert的列表操作的区别，其实归根到底是一个时间复杂度O（？）的问题，当我们要插入n的量级的数据时，append的时间复杂度是O(n),而insert的时间复杂度是O(n2)，这样就会造成insert操作列表的时间消耗更多。
PS：以上内容参考Magnus Lie Hetland的《Python算法教程》