Python 是一门非常有趣的语言，他为我们准备了大量的组件，让我们的开发工作更加轻松。但这些组件有时候也因为这样的“黑盒子”特性而成为一种风险，必须时刻提防。本文整理在开发、学习过程中遭遇、瞥见或收集到的一些“危险”场景。
隐性平方级操作：item in LIST vs item in SET
from random import randrange l = [randrange(10000) for I in range(10000)] 12 in l s = set(l) 12 in s
如以上的代码，在一个列表中查询 12 和在一个集合中查询 12 乍一看好像别什么太大的区别，但在某些时候可能是千差万别的。列表是一个顺序结构，如果要在列表中查询一个元素，则需要对列表进行一次迭代以确定元素是否存在，因此成员查询对于列表来说是线性级的。而集合的底层实现在 Python 中是哈希表，这也就意味着成员查询对于集合来说则是常数级的。由此可以看出，如果打算进行多次成员查询操作，且列表元素相对庞大的时候，这就变成了一个隐性的平方级操作。这时考虑将其转化为集合，再完成所需的查询操作，可能会是一个更好的选择。
构建字符串的陷阱
d = ''
for chunk in string_producer():
d += chunk
以上代码可以说是我们的惯用手法，并且一般情况下都不会存在太大问题。但如果想象一下 chunks 的规模如果非常大的话会有什么后果？在 Python 中，字符串属于不可变对象，也就意味着对字符串做加法操作，实际是在新建字符串。因此非常规情况下这样的操作可能会非常慢。这种时候以下方法的效果会更好：
chunks = []
for chunk in string_producer()]:
chunks.append(chunk)
d = ''.join(chunks)
列表的 append 操作允许将原有空间加上一定的百分比来进行“过度”分配，其可用空间的增长方式是指数式的，这是，append 操作的成本在交由所有操作平均承担（均摊）的情况下就变成了常数级的操作。
