deque.appendleft()是o(1)因基于分块双向链表，仅需指针操作；list.insert(0,x)是o(n)因动态数组需整体右移元素；实测10万次头插，前者耗时约0.012秒，后者约3.4秒，差距近300倍。
deque.appendleft() 为什么是 O(1)，而 list.insert(0, x) 是 O(n)
因为底层存储结构完全不同：deque 基于双向链表（更准确说是分块的双向链表），每次 appendleft() 只需新建一个节点、改几个指针；list 是动态数组，insert(0, x) 必须把所有已有元素整体右移一位——元素越多，移动成本越高。
实测性能差距有多大？
在 10 万次头插场景下，典型结果是：
-
list.insert(0, x)耗时约 3.4 秒 -
deque.appendleft(x)耗时约 0.012 秒
差距近 300 倍。这不是常数优化，而是算法复杂度级别的差异——数据量翻 10 倍，list 耗时也几乎翻 10 倍，deque 基本不变。
哪些场景一用 list 就踩坑？
只要涉及高频左端操作，且数据规模不可控，就容易出问题：
- 滑动窗口（如最近 N 条日志、实时指标计算）
- 广度优先搜索（BFS）中维护待访问节点队列
- 撤销栈（undo stack）里频繁
appendleft()新状态 - 网络包缓冲区，按到达顺序头部入、尾部出
这些场景下，哪怕初始数据量小，也可能随运行时间持续增长，list 的延迟会悄然恶化。
maxlen 参数带来的隐性行为
传 maxlen 会让 deque 自动丢弃旧元素，但方向容易混淆：
-
deque([1,2,3], maxlen=2)→ 实际变成deque([2,3], maxlen=2)（右侧进，左侧挤） -
d.appendleft(0)后变成deque([0,2], maxlen=2)（左侧进，右侧挤） - 不设
maxlen时，deque 内部缓冲区可能不缩容——反复popleft()后内存占用未必下降，这是设计使然，不是泄漏
真正要注意的是：maxlen 触发的截断是“被动丢弃”，不会抛异常，也不通知你——它安静地把你最老的数据吞掉。
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！
