直接拼接再排序会丢失有序性带来的性能优势：sorted(a + b) 时间复杂度为 o((m+n) log(m+n))，而双指针合并可降至 o(m+n)；且含不可比较对象时 sorted() 会抛出 typeerror。
为什么不能直接用 + 或 sorted() 合并有序列表
直接拼接再排序会丢失原有有序性带来的性能优势：sorted(a + b) 时间复杂度是 O((m+n) log(m+n))，而两个已排序列表的合并本可做到 O(m+n)。更关键的是，如果列表含不可比较对象（比如字典或自定义类实例），sorted() 会直接报 TypeError: '，哪怕它们按某个字段排好序了。
heapq.merge() 的正确调用方式和参数陷阱
heapq.merge() 是迭代器式合并，返回一个生成器，不立即计算全部结果，适合处理大列表或流式数据。它要求所有输入可迭代、且元素可比较——但比较逻辑可以自定义。
- 基本用法：
list(heapq.merge(list_a, list_b))，注意必须显式转为list才能查看结果 - 多列表合并支持任意数量：
heapq.merge(a, b, c, d) - 指定排序键：用
key参数，如heapq.merge(a, b, key=lambda x: x['score'])，此时元素本身无需可比较，只要key返回值可比较即可 - 不支持
reverse=True；若需降序，得先确保输入列表本身是降序的，且key返回值也按降序逻辑设计
遇到 TypeError: ' 怎么办
这是最常卡住的地方：两个列表元素类型不同（比如一个是 int，一个是 str），或自定义类没实现 __lt__。即使你只关心某个字段排序，heapq.merge 默认仍会尝试比较整个对象。
- 首选解法：加
key参数，把比较逻辑收束到单一可比值上，例如key=lambda x: x.id或key=operator.attrgetter('created_at') - 避免重载
__lt__：除非该类在其他地方也依赖此行为，否则易引发隐式耦合 - 注意
key函数不能返回None，否则比较时可能抛出TypeError；建议提前过滤或用默认值兜底，如key=lambda x: getattr(x, 'priority', 0)
性能差异和内存占用的实际影响
heapq.merge() 内部用最小堆维护各列表首元素，每次取最小后推进对应列表指针。这意味着它空间复杂度是 O(k)（k 是输入迭代器个数），不是 O(m+n)——对千万级列表尤其友好。
- 对比
sorted(itertools.chain(a,b))：后者需一次性加载全部元素进内存再排序，容易触发MemoryError - 若只需前 N 个结果（如分页第一页），可用
itertools.islice(heapq.merge(a,b), 0, N)，完全不构造完整列表 - 小列表（
key 函数的执行开销——如果它很重（比如涉及数据库查询或正则匹配），就抵消了合并本身的效率优势。这时候得权衡：预提取键值、缓存，还是换回双指针手写合并。Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
