Python切片时间复杂度为O(k)，k为结果长度；list/str/tuple切片均创建新对象，range切片为O(1)，自定义类由__getitem__决定，numpy切片通常为O(1)视图。
Python 切片的时间复杂度到底是多少
对 list、str、tuple 等内置序列做切片，时间复杂度是 O(k)，其中 k 是切片结果的长度，不是原序列长度。这意味着 a[1000000:1000005] 很快，但 a[:1000000] 会拷贝一百万个元素。
根本原因：Python 切片会创建新对象（浅拷贝），不是视图。即使你只取 5 个元素，解释器仍需逐个复制引用（对 list）或字节（对 str）。
-
bytes和bytearray切片也是O(k)，但底层有小优化（如短切片走 memmove） -
range对象支持切片，但返回的是新range，不触发实际遍历，所以是O(1) - 自定义类实现
__getitem__时，切片行为完全由你控制——可能O(1)，也可能O(n)
什么时候切片会意外变慢
表面看是切片，实际触发隐式遍历或转换：
- 对生成器或
itertools.chain做切片：必须先转成list才能索引，变成O(n)——itertools.islice(gen, start, stop)才是正确选择 - 用负步长切片（如
a[::-1]）：仍为O(k)，但无法复用原缓冲区，强制分配新内存 + 反向拷贝，比正向略慢 - 在循环中反复切片大列表（如
for i in range(len(a)): sub = a[i:i+10]）：每次都是新拷贝，累积开销明显 - 对
numpy.ndarray做切片：返回视图（view），O(1)，但前提是没触发 copy（比如跨步太大会降级为 copy）
替代切片的低开销方案
如果只是“访问”而非“拥有”，优先避免切片：
立即学习“Python免费学习笔记（深入）”；
nitc免费效益型企业网站PHP版3.2 本地体验包
下载
NITC效益型企业网站系统(PHP)产品特色1、企业网站模块：1）网站设计精美：前台页面全部采用DIV+CSS，设计严谨，布局合理，页面精美大气。2）管理操作方便：后台管理界面友好，简单易用，区别于一般CMS系统的复杂与繁琐，功能强大，系统安全，性能稳定。用户使用全自动化控制，功能模块可扩展性强。2、搜索引擎优化： 经众多网络营销专家制定，系统自带搜索引擎基础优化功能，能在最短的时间内提升网站的曝
- 用
collections.deque的maxlen维护滑动窗口，比不断切片快得多 - 需要随机访问子序列？考虑传
(seq, start, stop)三元组，让下游按需取值 - 处理大文本时，用
memoryview包装bytes后切片：仍是O(k)，但避免了 Python 对象头开销，适合高频小切片 - 真要多次截取同一段？缓存切片结果（如
cached = a[100:200]），别重复计算
为什么 str 切片比 list 快一点
不是算法差异，而是数据结构特性：str 是不可变的紧凑字节数组（Unicode 下是 UCS-2/UCS-4 编码块），切片可直接用 memcpy；而 list 存的是指针数组，每个元素要单独增加引用计数，多一层间接和计数开销。
实测差距通常在 10%–30%，但一旦涉及超长字符串（GB 级）或极端高频调用（如解析器内部），这点差异会放大。
真正容易被忽略的是：所有这些优化都建立在“你确实需要一个新副本”的前提上。如果只是判断某段内容是否存在，用 in、str.startswith() 或正则预编译，往往比切片再比较更省。
