列表上的.extend()方法适用于任何可迭代对象*，+=适用于某些可迭代对象，但可能会变得古怪。

import numpy as np

l = [2, 3, 4]
t = (5, 6, 7)
l += t
l
[2, 3, 4, 5, 6, 7]

l = [2, 3, 4]
t = np.array((5, 6, 7))
l += t
l
array([ 7,  9, 11])

l = [2, 3, 4]
t = np.array((5, 6, 7))
l.extend(t)
l
[2, 3, 4, 5, 6, 7]

Python 3.6 *非常确定.extend()适用于任何可迭代对象，但如果我不正确，请评论

修改:"extend()"改为"列表上的.extend()方法" 注:David M. Helmuth的评论很清晰。

我查了官方的Python教程，但找不到任何关于这个主题的东西

这个信息恰好隐藏在编程FAQ中:

．.． 对于列表，__iadd__[即+=]等价于在列表上调用extend并返回列表。这就是为什么我们说对于列表，+=是list.extend的“简写”

你也可以在CPython源代码中看到这一点:https://github.com/python/cpython/blob/v3.8.2/Objects/listobject.c#L1000-L1011

字节码级别上的唯一区别是.extend方式涉及到一个函数调用，在Python中这比INPLACE_ADD方法稍微昂贵一些。

这真的没什么好担心的，除非你做了几十亿次这个操作。然而，瓶颈很可能存在于其他地方。

ary += ext创建一个新的List对象，然后将列表“ary”和“ext”中的数据复制到其中。

ary.extend(ext)只是将对“ext”列表的引用添加到“ary”列表的末尾，从而减少内存事务。

因此，.extend的工作速度快了几个数量级，并且不使用被扩展的列表和被扩展的列表之外的任何额外内存。

╰─➤ time ./list_plus.py
./list_plus.py  36.03s user 6.39s system 99% cpu 42.558 total
╰─➤ time ./list_extend.py
./list_extend.py  0.03s user 0.01s system 92% cpu 0.040 total

第一个脚本也使用了超过200MB的内存，而第二个脚本只使用了一个“裸”python3进程的内存。

话虽如此，原地添加似乎与.extend做的事情是一样的。

对于非局部变量(对于函数来说不是局部变量，也不是全局变量)不能使用+=

def main():
    l = [1, 2, 3]

    def foo():
        l.extend([4])

    def boo():
        l += [5]

    foo()
    print l
    boo()  # this will fail

main()

这是因为对于扩展情况编译器将使用LOAD_DEREF指令加载变量l，但对于+=它将使用LOAD_FAST -并且你得到*UnboundLocalError:局部变量'l'在赋值之前引用*

我想说，有一些不同，当它与numpy(我刚刚看到的问题是关于连接两个列表，而不是numpy数组，但由于它可能是初学者的问题，如我，我希望这可以帮助谁寻求这篇文章的解决方案)，对于ex。

import numpy as np
a = np.zeros((4,4,4))
b = []
b += a

它将返回错误

ValueError:操作数不能与形状(0，)(4,4,4)一起广播

B.extend (a)工作完美