Python中追加元素比替换元素的执行效率更高吗？

首先纠正个小细节：你贴的代码是实现**前缀和（Running Sum）**的，不是斐波那契数列，应该是描述时的小失误~

先说说你当前代码的核心效率问题 #

你的代码里每次循环都调用sum(nums[:i+1])，这会让时间复杂度直接升到O(n²)——因为每次求和都要重新遍历前i+1个元素，n次循环下来整体开销会随着数组长度增长急剧变大，这才是影响效率的关键，和替换元素本身关系不大。

回到你的核心疑问：append 是否比替换元素更高效？ #

分两种场景看：

• 如果列表已预先分配足够空间（比如你的代码里newnums = nums[0:]已经创建了和原数组等长的列表），直接通过索引替换元素newnums[i] = ...是O(1)的操作，没有额外内存开销，效率很高。
• 如果列表未预先分配空间，每次append时Python会自动扩容（通常是翻倍当前容量），扩容时会有内存拷贝的开销，但这种开销是**分摊O(1)**的——也就是平均下来每次append的成本依然很低，只有在触发扩容时才会有额外消耗。

为什么别人的高效解法用append？ #

不是因为append本身比替换快，而是他们的写法避免了重复求和，时间复杂度是O(n)。比如常见的高效前缀和写法：

class Solution(object):
    def runningSum(self, nums):
        res = []
        current_sum = 0
        for num in nums:
            current_sum += num
            res.append(current_sum)
        return res

如果把这种逻辑改成预先分配列表再替换元素，效率几乎一致：

class Solution(object):
    def runningSum(self, nums):
        res = [0] * len(nums)
        current_sum = 0
        for i in range(len(nums)):
            current_sum += nums[i]
            res[i] = current_sum
        return res

这两个版本都是O(n)时间复杂度，单次内存操作都是O(1)，实际运行效率差别极小。

总结 #

• 当列表已有足够空间时，替换元素和append的单次操作效率接近，append的分摊成本也是O(1)
• 你当前代码的效率瓶颈不在替换元素，而是重复调用sum导致的O(n²)时间复杂度
• 不管用append还是预先分配列表替换，只要逻辑是累加当前和（而非重复求和），就能达到高效的O(n)解法

内容的提问来源于stack exchange，提问作者ENGSSG