为何Python列表切片比基础算术运算慢100倍？

我实现了first_valid_position函数，用二分查找获取列表中目标值的首次出现位置，这个函数被totalValid调用。下面是两种性能差异极大的实现代码：

def totalValid(list1: list[int], list2: list[int], success: int) -> list[int]:
    list2.sort()
    solution = []
    
    for x in list1:
        solution.append(len(list2) - first_valid_position(list2, success, x)) #option 1
        solution.append(len(list2[first_valid_position(list2, success, x):])) #option 2
    return solution

这两段代码都是计算排序后的list2里，目标索引之后的元素数量（对应list1的每个元素），结果完全等价，但方案2用切片再取长度耗时约13秒，方案1只用算术运算仅耗时0.13秒（测试用的两个列表都包含10万条数据）。

性能差距的核心原因 #

• 切片会创建全新列表：执行list2[start:]时，Python会在内存中复制原列表从start索引到末尾的所有元素，生成一个完整的新列表。对于10万条数据的列表，每次切片都要完成数万甚至近10万条元素的拷贝，内存分配和数据复制的开销极大。
• 算术运算无额外开销：len(list2) - index只是简单的整数减法运算，不需要任何内存操作，纯CPU层面的基础计算，耗时几乎可以忽略。

隐性的额外开销 #

哪怕你只是用切片来获取长度，Python也会先完整创建出这个切片列表——因为切片操作本身的返回值就是新列表，len()只是读取这个新列表的属性，但创建新列表的成本已经产生了。在循环10万次的场景下，这种重复的拷贝操作会把时间成本放大到极致，最终导致两者性能差距达到两个数量级。

内容的提问来源于stack exchange，提问作者user3491700