今天给大家介绍一个超实用的 Python 内置模块——bisect。它的核心功能很简单：让列表始终保持有序状态，而且不用每次添加元素后都调用 sort 方法。

对于需要频繁插入元素又要保持顺序的场景，这简直是效率神器！

为什么需要 bisect？

平时我们维护有序列表时，通常是先把元素随便插进列表，最后再调用 sort() 排序。但如果需要频繁插入，每次都重新排序就太浪费时间了。

bisect 模块的厉害之处在于，它会直接找到新元素应该插入的位置，然后把元素放进去，全程保持列表有序，省去了反复排序的麻烦。

基础用法：插入元素并保持有序

先看一个简单例子，用 insort() 函数向列表中插入元素，列表会自动维持有序状态：

import bisect

# 一组随机数字
values = [14, 85, 77, 26, 50, 45, 66, 79, 10, 3, 84, 77, 1]

print('New  Pos  Contents')
print('---  ---  --------')

l = []
for i in values:
    position = bisect.bisect(l, i)  # 找到插入位置
    bisect.insort(l, i)  # 插入元素并保持有序
    print(f'{i:3}  {position:3}', l)

运行结果如下：

$ python3 bisect_example.py

New  Pos  Contents
---  ---  --------
 14    0 [14]
 85    1 [14, 85]
 77    1 [14, 77, 85]
 26    1 [14, 26, 77, 85]
 50    2 [14, 26, 50, 77, 85]
 45    2 [14, 26, 45, 50, 77, 85]
 66    4 [14, 26, 45, 50, 66, 77, 85]
 79    6 [14, 26, 45, 50, 66, 77, 79, 85]
 10    0 [10, 14, 26, 45, 50, 66, 77, 79, 85]
  3    0 [3, 10, 14, 26, 45, 50, 66, 77, 79, 85]
 84    9 [3, 10, 14, 26, 45, 50, 66, 77, 79, 84, 85]
 77    8 [3, 10, 14, 26, 45, 50, 66, 77, 77, 79, 84, 85]
  1    0 [1, 3, 10, 14, 26, 45, 50, 66, 77, 77, 79, 84, 85]

结果解读：

• 第一列是新插入的数字；
• 第二列是该数字在列表中插入的位置；
• 第三列是插入后的有序列表。

可以看到，每插入一个元素，列表始终保持从小到大的顺序，完全不用手动排序！

小提醒：什么时候用 bisect 更划算？

上面的例子数据量很小，可能感觉和「先插入再排序」差别不大。但如果是数据量很大、插入频繁的场景（比如实时数据处理），bisect 的优势就明显了：

• 避免了反复排序的耗时（排序算法时间复杂度通常是 O(n log n)）；
• 插入操作的时间复杂度是 O(n)，但定位插入位置用了二分查找（O(log n)），整体更高效。

尤其是当列表元素的比较操作很耗时（比如复杂对象），bisect 能省更多时间。

进阶技巧：处理重复元素

如果列表中出现重复元素，bisect 提供了两种插入策略：

• 插在现有相同元素的右边（默认行为，insort_right()）；
• 插在现有相同元素的左边（insort_left()）。

insort() 其实是 insort_right() 的别名，来看两者的区别：

import bisect

# 同样的随机数字
values = [14, 85, 77, 26, 50, 45, 66, 79, 10, 3, 84, 77, 1]

print('New  Pos  Contents')
print('---  ---  --------')

# 使用 bisect_left 和 insort_left
l = []
for i in values:
    position = bisect.bisect_left(l, i)  # 找到左侧插入位置
    bisect.insort_left(l, i)  # 插在相同元素左边
    print(f'{i:3}  {position:3}', l)

运行结果：

$ python3 bisect_example2.py

New  Pos  Contents
---  ---  --------
 14    0 [14]
 85    1 [14, 85]
 77    1 [14, 77, 85]
 26    1 [14, 26, 77, 85]
 50    2 [14, 26, 50, 77, 85]
 45    2 [14, 26, 45, 50, 77, 85]
 66    4 [14, 26, 45, 50, 66, 77, 85]
 79    6 [14, 26, 45, 50, 66, 77, 79, 85]
 10    0 [10, 14, 26, 45, 50, 66, 77, 79, 85]
  3    0 [3, 10, 14, 26, 45, 50, 66, 77, 79, 85]
 84    9 [3, 10, 14, 26, 45, 50, 66, 77, 79, 84, 85]
 77    7 [3, 10, 14, 26, 45, 50, 66, 77, 77, 79, 84, 85]  # 注意这里的位置
  1    0 [1, 3, 10, 14, 26, 45, 50, 66, 77, 77, 79, 84, 85]

对比两个例子中重复元素 77 的插入位置：

• 用 insort_right() 时，第二个 77 插在位置 8（现有 77 的右边）；
• 用 insort_left() 时，第二个 77 插在位置 7（现有 77 的左边）。

根据实际需求选择即可，比如需要保持插入顺序的稳定性时，insort_left() 可能更合适。

总结一下

bisect 模块虽小，但在需要动态维护有序列表的场景中非常实用：

1. 核心函数 bisect.bisect() 找位置，bisect.insort() 插元素；
2. 处理重复元素时，用 insort_left() 插在左边，insort_right()（默认）插在右边；
3. 数据量大、插入频繁时，比「插入后排序」效率高得多。

下次再遇到需要频繁插入并保持有序的需求，别再手动调用 sort 啦，试试 bisect 模块吧！

更多相关技术内容咨询欢迎前往并持续关注好学星城论坛了解详情。

想高效系统的学习Python编程语言，推荐大家关注一个微信公众号：Python编程学习圈。每天分享行业资讯、技术干货供大家阅读，关注即可免费领取整套Python入门到进阶的学习资料以及教程，感兴趣的小伙伴赶紧行动起来吧。