用bisect.insort()而非append()+sort()，因其o(n)插入比o(n log n)排序更快且保持稳定性；需注意相等元素位置、仅适用于有序列表、对象须可比较、nan会导致未定义行为、旧版不支持key参数，且不适用于频繁删查场景。
插入新元素时，为什么用 bisect.insort() 而不是先 append() 再 sort()？
bisect.insort() 在已排序列表中做二分查找定位，再插入，时间复杂度是 O(n)，但实际比全量 sort() 快得多——因为后者是 O(n log n)，且会破坏原有顺序稳定性（哪怕原列表只差一个位置就有序）。尤其当列表较大、插入频繁时，性能差距明显。
-
bisect.insort_left()和bisect.insort_right()区别仅在于相等元素的插入位置：前者插在相同值左侧，后者插在右侧 - 如果你用的是
list.insert(pos, x)手动插，必须自己调bisect.bisect_left()算位置，漏掉这步就会插错地方 - 不要对未排序列表调用任何
bisect函数，结果无意义；bisect模块不校验有序性，也不会报错
bisect.bisect() 返回位置，但不修改列表，什么时候该用它？
当你需要知道「如果插入 x，应该放在哪」但又不想立刻改原列表时，比如：
- 实现范围查询（如统计小于某值的元素个数：
bisect.bisect_left(lst, x)就是这个数量） - 做离散化映射（把浮点/字符串 key 映射到整数索引）
- 和
list.insert()配合自定义逻辑（例如只在满足条件时才插入）
常见误用：写成 lst.insert(bisect.bisect(lst, x), x) —— 这其实调用的是 bisect.bisect_right()，若列表中有重复 x，会插到所有相同元素右边；多数场景更想要 bisect.bisect_left() 保持左对齐语义。
用 bisect 维护有序列表，有哪些隐藏兼容性坑？
- 所有
bisect 函数只支持可比较对象。如果列表里是自定义类，必须实现 <strong>lt</strong>()（至少），否则抛 TypeError: '
-
float('nan') 不能参与比较，往含 NaN 的列表里调 bisect 会行为未定义（通常卡死或抛异常）
- 列表不能是
array.array 或其他序列类型——bisect 只认 list 和支持 <strong>getitem</strong>/<strong>len</strong> 的类 list 对象，但插入操作（insort）只对 list 有效
- Python 3.10+ 支持
key 参数（如 bisect.bisect_left(lst, x, key=str.lower)），但旧版本不支持，跨版本代码需回避
插入后还要快速查第 k 小？别依赖 bisect，考虑换结构
bisect 函数只支持可比较对象。如果列表里是自定义类，必须实现 <strong>lt</strong>()（至少），否则抛 TypeError: '
float('nan') 不能参与比较，往含 NaN 的列表里调 bisect 会行为未定义（通常卡死或抛异常） array.array 或其他序列类型——bisect 只认 list 和支持 <strong>getitem</strong>/<strong>len</strong> 的类 list 对象，但插入操作（insort）只对 list 有效 key 参数（如 bisect.bisect_left(lst, x, key=str.lower)），但旧版本不支持，跨版本代码需回避 bisect，考虑换结构bisect 解决的是「单次插入维持有序」，不是「动态顺序统计」。如果你频繁需要：
- 查第 k 小元素（即
lst[k]） - 删除某个值
- 查询某值排名
那每次靠bisect+list.pop(pos)删除，最坏仍是 O(n)；长期看，sortedcontainers.SortedList或手写平衡 BST 更合适。
bisect 是轻量工具，不是数据结构替代品。它省事，但没帮你管删除、去重、多线程安全这些事。
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！
