在 Python 的内置数据结构中，列表（list）无疑是最常用的之一，但它并非在所有场景下都表现最佳。当我们需要频繁在序列的两端进行数据操作时，另一个强大的工具 ——deque（双端队列）就该登场了。它来自collections模块，专为高效的两端操作而生，今天我们就来深入聊聊这个实用的数据结构。
从列表的痛点说起
列表在处理尾部操作时效率很高，比如用append()添加元素、pop()删除元素，这些操作的时间复杂度都是 O (1)。但如果要在头部做同样的事，insert(0, value)插入元素或pop(0)删除元素，效率就会大打折扣。这是因为列表的内存布局是连续的，头部操作需要将所有元素向后或向前移动，数据量越大，耗时越明显。
而deque（全称 double-ended queue）的设计恰好解决了这个问题。它是一种双端队列，允许在两端高效地添加和删除元素，无论数据量多大，这些操作的时间复杂度都是 O (1)。这就像在队伍的首尾都开了入口，进出都不用排队等待。
deque 的常用方法与代码实例
要使用deque，首先需要从collections模块导入：
from collections import deque
1. 基本的增删操作
deque的核心优势体现在两端的操作上：
- append(x)：在右端添加元素 x
- appendleft(x)：在左端添加元素 x
- pop()：移除并返回右端元素
- popleft()：移除并返回左端元素
我们用一个简单的例子看看效果：
# 创建一个空的deque
dq = deque()
# 右端添加元素
dq.append(1)
dq.append(2)
print(dq) # 输出：deque([1, 2])
# 左端添加元素
dq.appendleft(0)
print(dq) # 输出：deque([0, 1, 2])
# 右端删除元素
dq.pop()
print(dq) # 输出：deque([0, 1])
# 左端删除元素
dq.popleft()
print(dq) # 输出：deque([1])
对比列表的头部操作，当数据量很大时，deque的优势会非常明显。比如我们分别用列表和deque在头部插入 10 万个元素：
import time
# 列表头部插入
start = time.time()
lst = []
for i in range(100000):
lst.insert(0, i)
print(f"列表耗时：{time.time() - start:.4f}秒") # 通常需要几秒
# deque头部插入
start = time.time()
dq = deque()
for i in range(100000):
dq.appendleft(i)
print(f"deque耗时：{time.time() - start:.4f}秒") # 通常只需几十毫秒
2. 批量操作与旋转
deque还支持批量添加元素：
- extend(iterable)：在右端批量添加可迭代对象中的元素
- extendleft(iterable)：在左端批量添加，注意会逆序插入（因为是从左到右依次添加每个元素到左端）
例如：
dq = deque([1, 2, 3])
dq.extend([4, 5])
print(dq) # deque([1, 2, 3, 4, 5])
dq.extendleft([6, 7]) # 先加6到左端，再加7到左端，结果是7,6在左边
print(dq) # deque([7, 6, 1, 2, 3, 4, 5])
rotate(n)方法可以让队列旋转：
- rotate(1)：所有元素向右移动 1 位，右端元素移到左端
- rotate(-1)：所有元素向左移动 1 位，左端元素移到右端
dq = deque([1, 2, 3, 4])
dq.rotate(1)
print(dq) # deque([4, 1, 2, 3])
dq.rotate(-2)
print(dq) # deque([2, 3, 4, 1])
3. 固定长度的 deque：maxlen 参数
创建deque时可以指定maxlen，当元素数量超过这个值时，会自动移除另一端的旧元素。这在实现滑动窗口、缓存最近数据等场景中非常实用。
# 创建一个最多容纳3个元素的deque
dq = deque(maxlen=3)
dq.append(1)
dq.append(2)
dq.append(3)
print(dq) # deque([1, 2, 3], maxlen=3)
# 再添加元素，左端的1会被移除
dq.append(4)
print(dq) # deque([2, 3, 4], maxlen=3)
# 从左端添加，右端的4会被移除
dq.appendleft(0)
print(dq) # deque([0, 2, 3], maxlen=3)
deque 的使用情景与解决的问题
- 实现队列（FIFO）和栈（LIFO） ：
队列是 “先进先出”，用append()添加、popleft()取出；栈是 “后进先出”，用append()添加、pop()取出。相比列表，deque在这两种场景下的操作效率更高，尤其是数据量大时。
- 滑动窗口问题：
比如需要保留最近的 N 条日志、最近的 N 个测量值等，maxlen参数能自动维护窗口大小，无需手动删除旧元素。
- 高频两端操作场景：
如广度优先搜索（BFS）中，需要不断从队头取出元素、从队尾加入新元素；或者某些算法中需要频繁在两端插入删除数据，deque能显著提升性能。
- 线程安全的简单操作：
deque的append()、popleft()等操作是线程安全的，在多线程环境下无需额外加锁就能安全使用（但复杂操作仍需注意）。
deque 的优势与限制
优势：
- 两端操作高效：无论数据量多大，append()、appendleft()、pop()、popleft()都是 O (1) 时间复杂度，远快于列表的头部操作（O (n)）。
- 自动维护长度：maxlen参数简化了滑动窗口等场景的代码，无需手动处理元素溢出。
- 内存效率较好：对于频繁增减元素的场景，deque的内存分配更灵活，避免了列表可能的频繁扩容和内存浪费。
- 线程安全：部分基础操作是线程安全的，适合简单的多线程数据传递。
限制：
- 随机访问效率低：访问中间元素时，deque需要从两端开始遍历，时间复杂度是 O (n)，而列表是 O (1)。如果需要频繁按索引访问中间元素，列表更合适。
- 功能相对简单：没有列表的sort()、reverse()等方法（虽然可以先转为列表再操作，但会损失效率），也不支持切片操作（dq[1:3]会报错）。
- 内存局部性差：deque的元素在内存中不是连续存储的，缓存友好性不如列表，连续遍历大量元素时，列表可能更快。
总结
deque是 Python 中处理双端操作的利器，它弥补了列表在头部操作效率上的不足，尤其适合队列、栈、滑动窗口等场景。但它也不是万能的，当需要频繁随机访问中间元素时，列表仍然是更好的选择。
