数组旋转推荐三次翻转法，空间复杂度O(1)且真正原地修改；切片虽简洁但每次新建列表，内存敏感场景易出错，需用nums[:] = ...并预处理k %= len(nums)。
数组旋转用切片最简单，但空间复杂度是 O(n)
Python 切片 [::-1] 或 [k:] + [:k] 写起来快，可每次都会新建列表。比如 nums = [1,2,3,4,5]，nums[2:] + nums[:2] 生成新对象，原地没动——这在内存敏感场景（如嵌入式模拟、超大数组处理）里就是隐患。
常见错误现象：rotate(nums, k) 函数返回新列表，但调用方以为 nums 已被修改；或者函数内部用了切片赋值却漏了 nums[:] = ...，导致外部变量不变。
- 想真正原地改，必须用
nums[:] = ...而不是nums = ... -
k可能大于数组长度，务必先做k %= len(nums)，否则切片越界或逻辑错位 - 空数组或
k==0时，切片操作仍会分配内存，不如提前return
三次翻转法真·原地，空间 O(1) 且只遍历一次
核心就三步：整体翻转 → 前 k 个翻转 → 后 n−k 个翻转。本质是利用翻转的可逆性和分段对称性，不依赖额外存储。
为什么这样做？因为单次翻转是 O(n) 时间 + O(1) 空间，三次加起来还是 O(n) 时间 + O(1) 空间，比切片省内存，也比逐个挪位置（O(n×k)）稳定。
立即学习“Python免费学习笔记（深入）”；
- 翻转函数别手写循环出界：用
left, right = 0, len(nums)-1，whileleft 才交换，避免索引错位 - 第二步翻转范围是
0到k-1（闭区间），第三步是k到len(nums)-1，下标容易差一，建议写成reverse(nums, 0, k-1)和reverse(nums, k, len(nums)-1) - Python 中整数除法不影响，但
k为负时%行为和预期不同，统一用k = k % len(nums) if nums else 0
NumPy 数组旋转要小心 view vs copy
如果用的是 numpy.ndarray，np.roll(arr, k) 默认返回新数组（copy），不是 view。想原地改得自己用 arr[:] = np.roll(arr, k)，但注意这仍是 O(n) 空间——因为 np.roll 内部用了切片拼接。
真正空间 O(1) 的 NumPy 原地旋转不存在标准 API，得自己实现三次翻转，且必须用 arr.flat 或 arr.reshape(-1) 拉平后再操作，否则多维数组维度会干扰翻转逻辑。
-
np.rot90()是图像旋转，只适用于二维，和「一维数组循环移位」完全不是一回事 - 直接对
arr[::-1]赋值会触发FutureWarning：不能对非 C 连续数组 slice 赋值，建议先arr = np.ascontiguousarray(arr) - 若数组很大又必须用 NumPy，优先考虑
np.take(arr, np.arange(-k, len(arr)-k) % len(arr), mode='wrap')，它底层更接近索引映射，但仍是 copy
边界 case 不处理，三次翻转也会崩
空数组、单元素、k == len(nums) 这些 case 看似 trivial，但三次翻转里每一步翻转函数如果没判空，reverse(nums, 0, -1) 就会进 while 循环，而 left=0, right=-1 时 left 为 False，其实安全——但前提是你的翻转函数没硬编码 <code>range(len(nums))。
- 最稳妥：所有翻转调用前加
if left >= right: return -
k == 0或len(nums) == 0时，跳过全部翻转，连reverse函数都不该进 - Python 列表的
len()是 O(1)，别为了“省一次调用”把len(nums)提到外面再算错范围，尤其当nums是自定义序列类时
翻转法的复杂点不在算法本身，而在下标计算和边界守卫——少一个 if，大数组上可能跑半天才报 IndexError，但小测试用例永远过。
