如何利用Python的bisect模块在有序列表中实现二分查找？-Python教程-PHP中文网

bisect模块设计初衷是为插入服务而非查询，故bisect_left和bisect_right返回插入位置而非布尔值；判断存在需先获取pos = bisect.bisect_left(a, x)，再检查pos

bisect 模块不能直接返回查找目标的索引或布尔结果，它只返回插入位置 —— 所以想“查找是否存在”，必须手动比对。

为什么 bisect_left 和 bisect_right 返回的不是 True/False？

bisect 的设计初衷是为插入服务，不是查询。它假设你已知列表有序，只负责告诉你“如果要插，该插哪儿”。所以：
- bisect_left(a, x) 返回第一个 ≥ x 的位置
- bisect_right(a, x) 返回第一个 > x 的位置
两者相等时，说明 x 不在列表中；不等时，中间那段索引全对应 x 的出现位置。

判断元素是否存在的正确写法

别用 bisect_left 返回值直接当“找到”的标志（比如 if bisect_left(a, x) != -1 是错的 —— 它从不返回 -1）。正确做法：

先调用 pos = bisect.bisect_left(a, x)

检查 pos 是否越界：pos

再检查 a[pos] == x

完整一行可写成：pos 。例如：
import bisect
a = [1, 3, 5, 7, 9]
x = 5
pos = bisect.bisect_left(a, x)
found = pos <h3>用 <code>bisect.insort</code> 维护有序列表时的陷阱</h3><p>很多人以为 <code>bisect.insort_left(a, x)</code> 就是“安全插入”，但要注意：</p><div class="aritcle_card flexRow artxards">
											<div class="artcardd flexRow">
												<a class="aritcle_card_img" rel="nofollow" href="/xiazai/skill7657" title="python 查询技能"><img
														src="https://img.php.cn/upload/skill/000/000/081/179161384046229.jpg" alt="python 查询技能" onerror="this.onerror='';this.src='/static/lhimages/moren/morentu.png'" ></a>
												<div class="aritcle_card_info flexColumn">
													<a rel="nofollow" href="/xiazai/skill7657" title="python 查询技能" class="overflowclass">python 查询技能</a>
													<p class="overflowclass">查询客流数据，输出JSON格式，可直接导入Bitable等可视化工具</p>
												</div>
												<a rel="nofollow" href="/xiazai/skill7657" title="python 查询技能" class="aritcle_card_btn flexRow flexcenter"><b></b><span>下载</span>
												</a>
											</div>
										</div>
它不检查 x 类型是否与 a 元素兼容 —— 插入字符串到数字列表会直接报 TypeError

它不检测列表是否真有序 —— 如果 a 已乱序，插入后仍乱序，后续所有 bisect 调用结果不可靠

插入操作时间复杂度仍是 O(n)，因为 Python 列表底层是数组，挪动元素开销大

如果你频繁插入+查找，考虑改用 sortedcontainers.SortedList（第三方），而非硬撑 bisect + list。

替代方案：什么时候不该用 bisect？

不是所有“有序查找”场景都适合 bisect：

列表长度 x in a 更快（C 层优化，且避免函数调用开销）

需要同时支持增删查，且数据量大 → set 或 dict 的 O(1) 查找更合适（即使你要的是“有序”，也可额外维护一个排序键）

列表是 array.array 或 NumPy ndarray → 用对应库的搜索函数（如 np.searchsorted），bisect 对它们无效

真正发挥 bisect 价值的场景很窄：你有一份静态或低频更新的纯 Python list，又必须保持插入后有序，并高频做位置定位 —— 这时它的语义清晰、无依赖、零安装成本才是优势。