就处理时间、内存使用以及一般来说最好的编程选项而言，向列表添加值的最佳方式是什么。
list = []
for i in anotherArray:
list.append(i)
或
list = range(len(anotherArray))
for i in list:
list[i] = anotherArray[i]
考虑到 anotherArray 是一个元组数组。 （这只是一个简单的例子）
【问题讨论】：
标签： python list indexing append
这真的取决于您的用例。这里没有通用答案，因为这取决于您要做什么。
在您的示例中，您似乎只是在尝试创建数组的副本，在这种情况下，最好的方法是使用副本：
from copy import copy
list = copy(anotherArray)
如果您尝试将数组转换为另一个数组，则应使用列表推导。
list = [i[0] for i in anotherArray] # get the first item from tuples in anotherArray
如果您尝试同时使用索引和对象，则应使用枚举：
for i, j in enumerate(list)
这比你的第二个例子好得多。
您还可以使用生成器、lambas、地图、过滤器等。所有这些可能性之所以存在，是因为它们都因不同的原因而“更好”。 python 的作者在“一种正确的方式”上相当大，所以相信我，如果有一种通用的方式总是更好，那就是 python 中存在的唯一方式。
编辑：计算元组交换的一些性能结果，结果如下：
comprehension: 2.682028295999771
enumerate: 5.359116118001111
for in append: 4.177091988000029
for in indexes: 4.612594166001145
如您所知，理解通常是最好的选择。使用枚举是昂贵的。 以下是上述测试的代码：
from timeit import timeit
some_array = [(i, 'a', True) for i in range(0,100000)]
def use_comprehension():
return [(b, a, i) for i, a, b in some_array]
def use_enumerate():
lst = []
for j, k in enumerate(some_array):
i, a, b = k
lst.append((b, a, i))
return lst
def use_for_in_with_append():
lst = []
for i in some_array:
i, a, b = i
lst.append((b, a, i))
return lst
def use_for_in_with_indexes():
lst = [None] * len(some_array)
for j in range(len(some_array)):
i, a, b = some_array[j]
lst[j] = (b, a, i)
return lst
print('comprehension:', timeit(use_comprehension, number=200))
print('enumerate:', timeit(use_enumerate, number=200))
print('for in append:', timeit(use_for_in_with_append, number=200))
print('for in indexes:', timeit(use_for_in_with_indexes, number=200))
编辑2：
有人向我指出，OP 只是想知道“索引”和“附加”之间的区别。实际上，它们也用于两个不同的用例。索引用于替换对象，而附加用于添加。但是，在列表开始为空的情况下，追加总是更好，因为索引具有最初创建列表的开销。从上面的结果可以看出，索引速度稍慢，主要是因为你必须创建第一个列表。
【讨论】：
实际上我想说最好的是 index loops 和 value loops 与枚举的组合：
for i, j in enumerate(list): # i is the index, j is the value, can't go wrong
【讨论】：
最好的方法是列表理解：
my_list=[i for i in anotherArray]
但是根据您的问题，您可以使用生成器表达式（当您只想循环遍历您的项目并且不需要使用某些列表方法（例如 indexing 或 len 或... )
my_list=(i for i in anotherArray)
【讨论】：