Python超实用的bisect模块使用详解

文
章
目
录

• 一、引入
• 二、bisect模块的核心功能
• 三、bisect.bisect与bisect.bisect_left：插入且保持有序
• 四、bisect.insort：自动插入到正确位置
• 五、bisect模块的冷门妙用
• （一）处理排名、得分区间
• （二）高效去重 + 排序插入
• 六、bisect模块的局限性
• 七、总结

Python的标准库中有不少实用的模块，今天要给大家介绍的bisect模块，虽然有点冷门，但绝对是值得学习的一个知识点。

一、引入

前阵子，有个朋友（就叫他小李吧）跟我抱怨，说在列表里找插入元素的位置实在太麻烦了。他每次都得用for循环，从头到尾遍历列表，就像没充电的机器人一样，累得够呛。我就问他：“你咋不用bisect呢？”结果他一脸茫然，根本不知道这是什么。看来，还有不少人不了解这个模块，今天就来好好给大家说道说道。

二、bisect模块的核心功能

简单来讲，bisect模块是Python标准库中的二分查找工具，主要能解决两个问题：一是快速找到一个元素在有序列表中的插入位置，避免逐个遍历列表；二是高效地维持列表的有序状态，特别适合经常需要进行排序插入的场景。通俗点说，它就是帮你快速确定元素该插到哪儿的“小助手”。

三、bisect.bisect与bisect.bisect_left：插入且保持有序

假设你手头有一个排好序的列表，现在要往里面插入一个新元素，同时还得保证列表依旧有序，你会怎么做呢？最直接的办法可能就是遍历列表，找到合适的位置后用insert()方法插入。不过，还有更巧妙的方法，那就是借助bisect模块，利用二分查找来实现。来看下面的代码示例：

import bisect

data = [1, 3, 4, 7, 9]
print(bisect.bisect(data, 5))  # 输出 3，表示 5 应该插入在索引 3 位置
print(bisect.bisect_left(data, 7))  # 输出 3，表示 7 的插入位置（偏左插入）

这里的bisect.bisect()和bisect.bisect_left()有些区别。bisect.bisect()默认会找到合适的右侧插入点；而bisect.bisect_left()则倾向于偏左插入，如果元素已经在列表中存在，它会把新元素插到已存在元素的前面。

在实际应用场景中，如果希望新元素尽可能往后插入，就可以用bisect.bisect()；要是想确保新元素排在已有相同元素的前面，那就选择bisect.bisect_left()。

四、bisect.insort：自动插入到正确位置

要是你连手动调用insert()都觉得麻烦，bisect模块还提供了insort()方法。它能自动把元素插入到正确的位置，让列表始终保持有序状态。示例代码如下：

import bisect

data = [1, 3, 4, 7, 9]
bisect.insort(data, 5)
print(data)  # 输出 [1, 3, 4, 5, 7, 9]

insort()的优点很明显，代码简洁，而且能自动维护列表的有序性，效率也比手动遍历插入要高。不过，它也有一定的局限性，只能用于有序列表，如果列表无序，使用它可能会导致结果混乱。另外，在处理大规模数据时，它的速度可能比不上heapq这样专门用于堆操作的模块。

五、bisect模块的冷门妙用

（一）处理排名、得分区间

比如你是游戏策划，需要根据玩家的得分来判断他们所属的段位。这时候bisect模块就能派上用场：

import bisect

ranks = [100, 200, 500, 1000]
names = [\"青铜\", \"白银\", \"黄金\", \"钻石\", \"王者\"]

def get_rank(score):
    index = bisect.bisect(ranks, score)
    return names[index]

print(get_rank(150))  # 输出 \'白银\'
print(get_rank(800))  # 输出 \'黄金\'

这种场景在评级系统中很常见，像信用评分、游戏段位划分、考试等级评定等，还有数据分桶，比如按照年龄、收入等对用户进行分层，都可以借助bisect模块高效实现。

（二）高效去重 + 排序插入

如果你需要维护一个不重复且有序的列表，bisect模块同样能帮到你：

import bisect

def sorted_insert(unique_list, value):
    index = bisect.bisect_left(unique_list, value)
    if index == len(unique_list) or unique_list[index] != value:
        unique_list.insert(index, value)

numbers = [1, 3, 5, 7]
sorted_insert(numbers, 4)
sorted_insert(numbers, 5)  # 5 已存在，不会重复插入
print(numbers)  # 输出 [1, 3, 4, 5, 7]

在需要维护有序且去重集合的场景中，比如处理股票价格、日志时间戳等数据时，这种方法就很适用。

六、bisect模块的局限性

当然，bisect模块并非万能的。它只适用于有序列表，如果列表无序，使用它来插入元素可能会插错位置。而且，它更适合处理少量插入的情况。要是面对大规模数据插入，建议使用heapq或sortedcontainers模块。

如果bisect模块不能满足你的需求，可以尝试sortedcontainers模块，它算是bisect的进阶版本，支持动态维护有序列表。示例代码如下：

from sortedcontainers import SortedList

sl = SortedList([1, 3, 5, 7])
sl.add(4)
print(sl)  # 输出 SortedList([1, 3, 4, 5, 7])

七、总结

bisect模块虽然不太起眼，但在处理有序数据的查找和插入方面，有着独特的优势，能让代码更简洁、高效。下次再遇到在有序列表中找插入位置的情况，可别再傻傻地用for循环啦，试试bisect模块吧。