Python 中的列表（List）是最常用、最灵活的有序数据集合，支持动态增删改查操作。以下是列表的核心知识点：

---

一、基础特性

1. 有序性：元素按插入顺序存储
2. 可变性：支持增删改操作
3. 允许重复：可存储重复元素
4. 异构性：可包含不同类型数据

   my_list = [1, "apple", 3.14, True]
   

---

二、创建列表

1. 直接定义

fruits = ["apple", "banana", "orange"]
empty_list = []  # 空列表

2. 类型转换

list("hello")  # → ['h', 'e', 'l', 'l', 'o']
list((1,2,3))  # → [1, 2, 3]

3. 快速初始化

zeros = [0] * 5       # → [0, 0, 0, 0, 0]
matrix = [[0]*3 for _ in range(3)]  # 二维列表

---

三、常用操作

1. 索引与切片

nums = [10, 20, 30, 40, 50]
nums[0]      # → 10（正向索引，从0开始）
nums[-1]     # → 50（反向索引，从-1开始）
nums[1:4]    # → [20, 30, 40]（切片，左闭右开）
nums[::-1]   # → [50, 40, 30, 20, 10]（逆序）

2. 增删改查

# 增
nums.append(60)         # 末尾添加 → [10,20,30,40,50,60]
nums.insert(2, 25)      # 指定位置插入 → [10,20,25,30,40,50]# 删
nums.pop()              # 删除末尾元素 → 返回60
nums.remove(30)         # 删除第一个匹配项 → 删除30
del nums[1:3]           # 删除索引1-2的元素 → 删除20,25# 改
nums[0] = 100           # 修改索引0的元素 → [100,40,50]# 查
if 50 in nums:          # 成员检查 → Trueprint("存在")

---

四、常用方法

1. 排序与反转

nums = [3, 1, 4, 1, 5]
nums.sort()              # 原地排序 → [1, 1, 3, 4, 5]
sorted_nums = sorted(nums)  # 返回新列表 → [1,1,3,4,5]
nums.reverse()           # 原地反转 → [5,4,3,1,1]

2. 统计与查找

nums.count(1)            # 统计出现次数 → 2
nums.index(4)            # 查找首次出现位置 → 2

3. 连接与复制

a = [1,2]
b = [3,4]
a + b       # → [1,2,3,4]（生成新列表）
a * 2       # → [1,2,1,2]
a.extend(b) # 原地扩展 → a变为[1,2,3,4]

---

五、嵌套列表

1. 创建多维列表

matrix = [[1, 2, 3],[4, 5, 6],[7, 8, 9]
]

2. 访问元素

matrix[0][1]  # → 2（第一行第二列）

3. 修改元素

matrix[2][0] = 77  # 修改第三行第一列为77

---

六、高级技巧

1. 列表推导式

squares = [x**2 for x in range(10) if x%2 == 0]
# → [0, 4, 16, 36, 64]

2. 浅拷贝 vs 深拷贝

import copyoriginal = [[1,2], [3,4]]
shallow = original.copy()         # 浅拷贝（共享子列表）
deep = copy.deepcopy(original)    # 深拷贝（完全独立）

3. 列表与生成器

# 列表（直接存储所有元素）
list_data = [x for x in range(1000000)]# 生成器（按需生成，节省内存）
gen_data = (x for x in range(1000000))

---

七、常见应用场景

1. 数据清洗：

   raw_data = [" 42 ", "3.14", "NaN", "7"]
   cleaned = [float(x.strip()) for x in raw_data if x.strip().replace('.','').isdigit()]
   # → [42.0, 3.14, 7.0]
   

2. 批量处理：

   # 批量重命名文件
   files = ["a.txt", "b.txt", "c.txt"]
   new_files = [f"{i}.txt" for i, name in enumerate(files)]
   

3. 算法实现：

   # 快速排序
   def quicksort(arr):if len(arr) <= 1:return arrpivot = arr[len(arr)//2]return quicksort([x for x in arr if x < pivot]) + \[x for x in arr if x == pivot] + \quicksort([x for x in arr if x > pivot])
   

---

八、性能优化

1. 尾部操作优先：

   • append()/pop() 时间复杂度 O(1)
   • 头部插入/删除 O(n)（需移动所有元素）

2. 避免频繁拼接：

   # 低效方式
   res = []
   for x in big_list:res += [x]  # 每次生成新列表# 高效方式
   res = []
   for x in big_list:res.append(x)  # 原地修改
   

3. 预分配空间（大数据量时）：

   arr = [0] * 1000000  # 预分配百万元素列表
   

---

九、常见陷阱

1. 可变默认参数：

   def bad_append(new_item, my_list=[]):  # 危险！默认参数共享my_list.append(new_item)return my_list# 正确做法
   def good_append(new_item, my_list=None):if my_list is None:my_list = []my_list.append(new_item)return my_list
   

2. 浅拷贝问题：

   a = [[1,2], [3,4]]
   b = a.copy()  # 浅拷贝
   b[0][0] = 99  # 修改会影响a
   

通过掌握这些内容，可以高效处理从简单数据存储到复杂算法实现的各种场景。实际应用中需根据需求选择合适的方法，并注意性能优化和内存管理。