Python列表是动态指针数组，扩容按1.125倍增长；append()逐个添加最坏O(N log N)，extend()预分配空间为O(N)，实测快约6倍；应据数据形态选方法，生成器无法触发extend优化。

Python列表的底层内存是怎么分配的

Python列表不是简单的连续数组，而是一个指向对象指针的动态数组。每次调用 list.append() 或 list.extend() 时，CPython会检查当前容量是否足够；不够就触发扩容，新容量通常是旧容量的1.125倍（向上取整），并重新分配内存、拷贝原有指针。

这意味着频繁小量追加会产生多次内存重分配和指针拷贝——尤其在预估不准长度时，性能损耗明显。

append() 为什么比 extend() 慢得多（当批量添加时）

对单个元素，append() 是 O(1) 均摊；但对 N 个元素逐个 append()，最坏情况触发 O(log N) 次扩容，总时间接近 O(N log N)。而 extend() 接收可迭代对象后，会先计算总长度（若支持 __len__），一次性预分配足够空间，再批量拷贝指针，总时间稳定在 O(N)。

• 常见错误：用 for item in items: my_list.append(item) 替代 my_list.extend(items)
• 注意：如果 items 是生成器（无 __len__），extend() 会退化为逐个追加，失去优势
• extend() 内部仍调用 C 函数 list_extend，对 list/tuple 等有长度的对象做了专门优化

实测性能差异有多大

在 CPython 3.12 下，向空列表添加 10 万个整数：

import timeit
setup = "x = []"
append_stmt = "for i in range(100000): x.append(i)"
extend_stmt = "x.extend(range(100000))"
t1 = timeit.timeit(append_stmt, setup=setup, number=10000)
t2 = timeit.timeit(extend_stmt, setup=setup, number=10000)
print(f"append: {t1:.4f}s")
print(f"extend: {t2:.4f}s")
典型输出：append ≈ 1.8s，extend ≈ 0.3s（快约6倍）

差距随数据量增大而拉大。如果目标列表已有大量元素，且扩容频繁，append() 的劣势更显著。

什么时候该用 append()，什么时候必须 extend()

选哪个不取决于“习惯”，而取决于你手头的数据形态和控制粒度：

• 用 append()：明确只加一个元素；或需在循环中穿插逻辑（如条件过滤、类型转换）
• 用 extend()：已有一个现成的序列（list、tuple、range）、且无需中间处理
• 避免陷阱：不要对生成器用 extend() 期望它“变快”——它无法预知长度，实际行为等价于多次 append()
• 进阶技巧：若知道最终长度，可先 my_list = [None] * N 预分配，再用索引赋值，比两者都快（但牺牲了动态性）

真正容易被忽略的是：即使你写了 extend(some_list)，如果 some_list 是刚从 map() 或自定义生成器来的，它依然不会预分配——得自己判断可迭代对象是否支持 len()。