Python中列表乘标量、相加、extend自复制的性能差异原因

实现长度100万元素的列表自复制（拼接得到原内容重复2次的列表）时，三种常见写法的执行速度差距非常明显，其中l * 2的速度远高于另外两种。

三种实现代码 #

• 方案1（执行速度最快）

l = [1,2,3,...1000000]
return l * 2

• 方案2（执行速度较慢）

l = [1,2,3,...1000000]
return l + l

• 方案3（执行速度较慢）

l = [1,2,3,...1000000]
l.extend(l)
return l

性能测试截图 #

#

速度差异的底层原因（基于CPython实现） #

• l * 2走的是列表乘法的专门优化路径：执行时会直接算出最终列表总长度是len(l)*2，一次性申请好对应大小的连续内存，之后直接批量把原列表的元素引用循环拷贝2次，全程没有中途扩容、重复边界校验的额外开销，连续内存批量写入的效率非常高。
• l + l走的是通用列表拼接逻辑：它不会提前判断加号两边是不是同一个列表，只会先按第一个列表的长度预分配新列表内存，追加第二个列表的元素时，会触发多次扩容检查，拷贝也是分两段完成，比一次性批量拷贝的开销大很多。
• l.extend(l)是原地修改列表的逻辑：执行时一开始不会提前计算追加完成后的总长度，只能边遍历源列表（也就是正在被修改的l本身）边追加元素。遍历过程中列表不断变长，会触发多次内存重分配、全量元素拷贝，还要额外加校验防止遍历因为列表变长陷入死循环，额外开销是三个方案里最高的。

内容的提问来源于stack exchange，提问作者Ravi