Python中append和extend有什么区别？

1. 从一个典型现象说起：直觉带来的“意外输出”

很多开发者在初学 Python 列表操作时，最先建立的直觉是“把一组数据加到列表里”。然而，往往在随后的代码执行中遇到困惑。例如下面两个非常普遍但极具代表性的场景：

# 场景 A：希望合并两个列表
numbers = [1, 2]
numbers.append([3, 4])
print(numbers)
# 很多初学者预期得到 [1, 2, 3, 4]，但实际输出却是：
# => [1, 2, [3, 4]]

在这个例子中，初学者原本打算平铺合并两个列表，却意外构造出了一个嵌套的二维列表。列表 [3, 4] 被当成了一个整体元素存放在索引 2 的位置，len(numbers) 的结果只有 3，而不是预期的 4。

反过来，如果随意换用 extend，又可能遭遇另一种截然相反的“事故”：

# 场景 B：向日志列表中添加一条单词记录
logs = ["init", "start"]
logs.extend("stop")
print(logs)
# 期望得到 ['init', 'start', 'stop']，实际输出却是：
# => ['init', 'start', 's', 't', 'o', 'p']

字符串 "stop" 没有被当作一个完整的单词记录入驻，反而被无情地打散成了 4 个独立的单字符。这两个看似矛盾的现象并不是 Python 的偶发行为，而是由 append 和 extend 各自严格的接口契约决定的。

2. 操作执行流程：单对象追加与可迭代解包

为了看清两个方法在执行阶段的本质分工，我们需要拆解 Python 解释器在收到方法调用时的执行流水线：

从上图的流水线对比中可以清晰发现两者的步骤断点：

• append(item) 的步骤流水线：解释器完全不关心 item 内部包含什么，哪怕它是一个拥有千万级条目的嵌套字典或复杂对象，解释器直接将其作为一个原子单元对待，只在底层数组末尾新增 1 个槽位，把该对象的内存地址写入即可。整个过程属于标准的常数级操作，执行效率为 \(O(1)\)。
• extend(iterable) 的步骤流水线：解释器在接收到实参的第一时刻，会立即验证其是否支持 Python 的迭代协议（即是否实现了 __iter__ 魔法方法或序列索引）。若不满足则直接中止并抛出 TypeError；若满足，则隐式调用迭代器逐个产出元素，并一次性或按需扩充列表容量，将每一个产出元素的指针依次写入列表末尾。执行开销与待追加迭代对象的长度 \(k\) 成线性正比，时间复杂度为 \(O(k)\)。

3. 底层原理剖析：CPython 列表指针与内存模型

在 CPython 实现中，Python 的 list 实际上是一个名为 PyListObject 的 C 结构体。它并不是链表，而是一个动态指针数组。结构体核心字段包括：

• ob_size：表示当前列表中存储的有效元素个数；
• ob_item：是一个指向指针数组的指针（PyObject**），每个槽位存放的是具体 Python 对象的内存地址引用。

如图 2 所示，当我们对初始列表 [10, 20] 进行操作时，底层发生了截然不同的结构演变：

当调用 nums.append([30, 40]) 时，解释器在堆区创建了一个新的 PyListObject 实例来盛放 [30, 40]，然后仅仅将外层 nums 的 ob_size 从 2 修改为 3，并在槽位索引 2 处写入新子列表的地址。因此，原列表仅增加了一次间接指针跳转，外层仍然是长度为 3 的结构。

而当调用 nums.extend([30, 40]) 时，解释器遍历获取了 30 和 40 这两个整数对象的原始指针，并将主列表 nums 的指针数组连续扩充 2 个槽位，分别将这两个指针填入索引 2 和索引 3 处，ob_size 直接增加为 4。临时承载传入数据的列表在遍历完成后使命结束。这解释了为什么 extend 能够实现列表的彻底“平铺融合”。

4. 常见数据类型的实测行为与避坑矩阵

由于 extend 强依赖 Python 的“可迭代”特性，不同类型的数据传入时会触发迥异的反应。理解这些细节是避免线上代码 Bug 的关键。

结合图 3 中的产物矩阵，我们重点解析以下三个极易让人栽跟头的类型：

4.1 字符串（String）

在 Python 中，字符串是不可变的字符序列，天然实现了可迭代协议。这导致 extend 会将其拆散为单个字符：

items = ["apple"]
items.extend("banana")
print(items)
# 输出: ['apple', 'b', 'a', 'n', 'a', 'n', 'a']
# 正确做法：若要添加单个字符串元素，务必使用 items.append("banana")

4.2 字典（Dictionary）

字典也是可迭代对象，但在 Python 的默认迭代行为中，字典只产出其键（Keys），而不会产出对应的值：

data = [1, 2]
data.extend({"name": "Tom", "age": 18})
print(data)
# 输出: [1, 2, 'name', 'age'] (值 'Tom' 和 18 均被丢弃)
# 若需要添加字典条目本身，应使用 data.append(...)
# 若需要解包添加键值元组，应显式传入 data.extend(d.items())

4.3 基础数值与布尔值（Int / Float / Bool）

整数、浮点数以及布尔值都不是可迭代对象。将它们传入 extend 会直接导致程序抛出运行时异常：

counts = [10, 20]
counts.extend(30)
# 抛出: TypeError: 'int' object is not iterable

5. 性能、语法糖与相关扩展方式辨析

在实际工程开发中，除了 append 和 extend，我们还经常看到加号运算符（+）、增量赋值（+=）以及切片赋值。理清它们之间的关系能够帮助我们写出兼具可读性与高性能的代码。

5.1 extend() 与 + 运算符的区别

list_a + list_b 操作会创建一个全新的第三方列表，并将 list_a 和 list_b 的所有元素指针拷贝进去。如果原列表包含数十万条数据，+ 操作需要申请双倍的内存空间并发生大量内存拷贝：

a = [1, 2]
b = [3, 4]
c = a + b  # a 和 b 均未改变，生成了新的列表对象 c

而 a.extend(b) 则是原地就地修改（In-Place） a，直接在 a 的末尾追加指针，没有新建第三个容器的内存开销。在批量数据追加场景下，extend 具有绝对的性能优势。

5.2 += 运算符的秘密

对于 Python 列表而言，表达式 a += b 内部调用的并不是 __add__，而是 __iadd__。在 CPython 的实现中，列表的 __iadd__ 底层代码正是直接复用了 extend() 的实现逻辑。因此：

a = [1, 2]
a += [3, 4]  # 实际效果等价于 a.extend([3, 4])，修改了原列表自身

5.3 切片赋值的等价写法

在 Python 语法中，切片不仅可以用于读取，还可以用于原地替换或插入。以下写法与 extend() 在语义上完全等同：

a = [1, 2]
a[len(a):] = [3, 4]  # 在列表尾部区间插入元素，等价于 a.extend([3, 4])

6. 场景选型与总结决策

面对具体的工程需求，何时选择 append()？何时选择 extend()？何时又该考虑其他语法？通过下面的决策树可以快速做出明确判断：

核心差异对照表

总结一句话：“加单个整体用 append，拆集合平铺用 extend”。只要在编码前明确待插入数据的语义边界和期望的列表维度，就能在两者的选用中游刃有余。