如果我有一个清单：
list_1 = ["apples", "apricots", "oranges"]
我在列表中添加了一个新项目：＆＃34;浆果＆＃34;
list_1 = ["apples", "apricots", "oranges", "berries"]
引擎盖下（可以这么说），我以为我记得读过Python创建另一个列表（list_2）并将其指向原始列表（list_1），以便list_1保持静态...如果这是真的，它看起来像这样（引擎盖下）？
list_1 = ["apples", "apricots", ["oranges", "berries"]]
因此，通过这种方式，原始列表保持其大小。这是正确的看待方式吗？
答案 0 :(得分：4)
在幕后，Python列表对象使用的C 数组结构更大;它是预先确定的大小。 Python列表的长度只是一个整数值，记录了数组中存储的Python元素数量。将一个元素附加到列表只是使用数组中的下一个空位，并且大小整数增加一。
当C数组中没有足够的空间时，会分配更多的内存来增长数组。如果删除元素，只使用一半数组，则会再次释放内存。
您可以在Python源代码的Objects/listobject.c file中看到实现。调整大小发生在list_resize() function，其中下面的代码片段决定新数组应该有多大，以便在内存使用情况（使用未使用的数组中的一堆指针）之间取得平衡，并避免必须复制数组太频繁了：
/* This over-allocates proportional to the list size, making room
* for additional growth. The over-allocation is mild, but is
* enough to give linear-time amortized behavior over a long
* sequence of appends() in the presence of a poorly-performing
* system realloc().
* The growth pattern is: 0, 4, 8, 16, 25, 35, 46, 58, 72, 88, ...
*/
new_allocated = (newsize >> 3) + (newsize < 9 ? 3 : 6);
new_allocated 已添加到当前分配。因此，当您需要更多空间时，新大小除以8，加上3或6，指示在最小所需大小之上添加的额外元素数量。将元素附加到大小为1000的列表会添加131个额外插槽的缓冲区，而将元素附加到列表大小10只会增加额外的7个插槽。
从Python代码的角度来看，列表只是一系列索引，它们根据需要增长和缩小以适应所有元素。此处不涉及额外的列表，从视图中隐藏调整大小时数组的交换。
答案 1 :(得分：3)
不，在引擎盖下，列表由（通常）未充分利用的数组支持。
list1 -> [ x | x | ]
| |
| v
| "apricots"
v
"apples"
当您追加list1时，只需更改第一个未使用的数组插槽的值：
list1 -> [ x | x | x ]
| | |
| | v
| | "oranges"
| v
| "apricots"
v
"apples"
在 next 追加上，在添加新元素之前，会向阵列添加更多内存（并且需要更多内存）。 [一旦检测到阵列已满，就可以分配额外的内存;我不记得确切的细节。]
list1 -> [ x | x | x | | | | ]
| | |
| | v
| | "oranges"
| v
| "apricots"
v
"apples"
list1 -> [ x | x | x | x | | | ]
| | | |
| | | v
| | | "berries"
| | v
| | "oranges"
| v
| "apricots"
v
"apples"
实际分配的数量可能会有所不同，但所需的效果是appends的任何序列都具有常量操作的外观，即使每个人append可以是非常小的恒定时间操作或线性时间操作。然而，不变的是，你永远不会有太多的＆＃34;对象生命周期内的线性时间操作，保留每个append的摊销运行时间。
答案 2 :(得分：3)
不，当你致电append时，Python会不创建另一个列表。它就地改变现有列表。你可以很容易地看到这个：
>>> lst1 = []
>>> lst2 = lst1
>>> lst1.append(0)
>>> lst1
[0]
>>> lst2
[0]
如果您想创建另一个列表，可以改为：
>>> lst1 = []
>>> lst2 = lst1
>>> lst1 = lst1 + [0]
>>> lst1
[0]
>>> lst2
[]
那么，就地附加工作如何？ Aren列出了引擎盖下的阵列？对，他们是。 Python在最后留下了一点空间，但是如果你append有足够的时间，它必须为列表分配一个新数组，移过所有元素，然后删除旧数组。它仍然是相同的列表对象，但在引擎盖下有不同的数组。
这种增长并不是每次只添加一个新插槽 - 这意味着每个append必须重新分配整个列表，因此追加将采用平均线性时间。相反，它增加了长度。像这样：
new_capacity = max(4, capacity * 8 // 5, new_length)
（new_length就是为了让你一次性extend列出一大堆元素。）
通过几何而不是算术扩展，我们可以保证，虽然少数append确实需要线性时间，但足够的时间是分摊的时间是恒定的。你使用的究竟是什么因素是速度（高数字意味着更少的重新分配）和空间（更高的数字意味着更多的浪费空间）之间的权衡。我不知道CPython做了什么，但你可以在下面链接的源代码中找到它。大多数系统使用介于1.5和2.0之间的值（通常是一小部分小数字，因此它们可以进行整数倍和除数）。
如果你真的想要理解这一点，并且你可以遵循基本的C，你可以在listobject.h和listobject.c看看。您可能希望首先阅读C API文档，但这里是基础知识（类似于Python的伪代码，故意使用的不是真正的函数和字段名称）：
if lst.size + 1 > lst.allocated:
new_capacity = <see above>
lst.array = PyRealloc(<enough memory for new_capacity pointers>)
lst.allocated = new_capacity
incref(new_item)
lst.array[lst.size] = new_item
lst.size += 1
Realloc函数将成为平台函数的一个薄包装器，它将尝试找到更多的就地空间，但是回退到分配一个全新的指针并移动到所有的内容。
由于您使用的是Python，因此您很有可能成为喜欢通过互动实验学习的人。如果您不了解ctypes.pythonapi。你一定要开始玩它。您可以从Python内部的C API调用几乎任何内容。遗憾的是，您无法调用#define宏，或者在没有额外工作的情况下深入了解结构 - 但请参阅superhackyinternals了解如何进行额外的工作。 （我不认为我在列表中包含了任何内容，但是看一下int是如何工作的，你应该能够从那里得到它 - 只是不要看字符串，因为它们是一个更复杂。）当然，从你的翻译中解决这些问题，你会经常发生段错误，所以不要在你有重要历史的会话中这样做。
当然，对于每个Python实现，都不能保证是真的。只要实现可以提供记录的接口和性能特征，它就可以构建它想要的列表。例如，IronPython可能在.NET类库中使用了一些向量类。当然，这个课程会在自己的引擎下进行类似的重新分配和移动，但是IronPython并不关心它是如何做到的（并且你会更加关心）。
答案 3 :(得分：1)
Python实现可以做任何事情，只要它具有正确的行为。良好的实现也至少与the recommended time complexities一样快。
通常，如果可能，附加到列表会修改列表。在其append implementation中，如果没有更多空间，广泛使用的cpython resizes the list if necessary to 9/8 * old_size + 6。调整大小是通过保留更多内存（如果幸运）或分配新内存并复制所有旧元素来完成的。这意味着很少需要调整大小，特别是如果列表很大。大多数情况下，可以使用其中一个保留存储空间。