この記事の要点

末尾 1 要素 = list.append(x)。O(1) 償却で最速 末尾に複数 = list.extend(iter) または +=。append([1,2]) はネストするので別物 任意位置に挿入 = list.insert(i, x)。先頭挿入は O(n) で遅い スライス代入 a[i:j] = [...] は範囲をまるごと置換／挿入できる万能型 先頭追加が頻繁なら collections.deque を使う。appendleft が O(1)

Python リストに要素を追加する 5 つの方法

Python のリストは「可変長配列」で、末尾追加が高速 (O(1) 償却) です。一方、先頭・中間挿入は配列を後ろにずらすため遅くなります。用途別に正しい API を選びます。

# ① 末尾に 1 個追加
a = [1, 2, 3]
a.append(4)              # [1, 2, 3, 4]

# ② 末尾に複数追加（iterable を展開）
a.extend([5, 6])         # [1, 2, 3, 4, 5, 6]
a += [7, 8]              # [1, 2, 3, 4, 5, 6, 7, 8] (extend と同じ)

# ③ 任意位置に挿入
a.insert(0, 0)           # [0, 1, 2, 3, 4, 5, 6, 7, 8]
a.insert(len(a), 9)      # append 相当

# ④ スライス代入（置換 / 挿入）
a[2:2] = [99, 98]        # 位置 2 に挿入
a[2:4] = []              # 削除

# ⑤ 連結（新しいリストを作る）
b = a + [10, 11]         # 元の a は変わらない

append と extend の違い

一番混乱する点。append は "1 要素" として追加、extend は "iterable を展開":

a = [1, 2, 3]
a.append([4, 5])         # → [1, 2, 3, [4, 5]]     ← ネスト！
print(len(a))            # 4

b = [1, 2, 3]
b.extend([4, 5])         # → [1, 2, 3, 4, 5]      ← 展開
print(len(b))            # 5

# extend は任意の iterable を受け付ける
c = [1, 2]
c.extend('ab')           # → [1, 2, 'a', 'b']
c.extend(range(3))       # → [1, 2, 'a', 'b', 0, 1, 2]
c.extend({'x': 1, 'y': 2})  # キーが展開: [..., 'x', 'y']

各操作の計算量

操作	計算量	備考
list.append(x)	O(1) 償却	末尾。最速
list.extend(it)	O(k) k=追加数	末尾連結
a += b	O(k)	内部で extend を呼ぶ
a + b	O(n+k)	新リスト生成。元 a 不変
list.insert(i, x)	O(n)	i 以降をずらす
a[i:j] = [...]	O(n)	スライス置換
deque.append/appendleft	O(1)	両端で O(1)

スライス代入の柔軟さ

スライス代入は append/extend/insert/delete を全部表現できる「万能型」です:

a = [1, 2, 3, 4, 5]

# 末尾に extend と同じ
a[len(a):] = [6, 7]      # [1,2,3,4,5,6,7]

# 先頭に挿入
a[:0] = [-1, 0]          # [-1,0,1,2,3,4,5,6,7]

# 範囲を別リストで置換（長さ違いも OK）
a[2:4] = ['x', 'y', 'z']  # 2 要素を 3 要素に置換

# 範囲削除
a[2:4] = []

+= と + の違い（in-place vs 新オブジェクト）

a = [1, 2, 3]
id_before = id(a)

a += [4, 5]              # in-place 変更（extend と同じ）
print(id(a) == id_before)  # True

a = a + [6, 7]           # 新リストを返す → a に再代入
print(id(a) == id_before)  # False

# 関数引数で in-place 変更は破壊的
def add_item(lst):
    lst += [99]          # 呼び出し元の lst も変わる！
def add_item_safe(lst):
    return lst + [99]    # 新リスト返却、呼び出し元不変

先頭追加が頻繁なら deque を使う

list.insert(0, x) は O(n) なので、ループで使うと O(n^2) になります。両端アクセスが頻繁なら collections.deque:

from collections import deque

# list で先頭追加 → 遅い
a = []
for i in range(100000):
    a.insert(0, i)       # 毎回 O(n) → 全体 O(n^2)

# deque なら O(1)
d = deque()
for i in range(100000):
    d.appendleft(i)      # O(1)
    d.append(i)          # 末尾も O(1)

# deque ←→ list 変換は O(n)
lst = list(d)

よくある間違い

間違いコード	症状	正しい書き方
a = a.append(x)	a が None になる	a.append(x) 代入しない
a.append([1,2,3]) で展開したいのに	ネストになる	a.extend([1,2,3])
a + x（x が単一要素）	TypeError	a + [x] or a.append(x)
大量データを insert(0, ...)	非常に遅い	deque.appendleft
関数内で lst += [x]	呼び出し元も変わる	return lst + [x]

パフォーマンス測定

import timeit

# append vs extend for 1 要素
print(timeit.timeit('a.append(1)', 'a=[]', number=1_000_000))
# 約 0.05s

# list.insert(0,...) vs deque.appendleft
print(timeit.timeit('a.insert(0, 1)', 'a=[]', number=10_000))
# 約 0.05s

print(timeit.timeit('a.appendleft(1)',
    'from collections import deque; a=deque()', number=10_000))
# 約 0.001s ← 50 倍速い

FAQ

Q: append と += どちらが速い？
A: 1 要素追加なら append が僅かに速い。複数なら extend / +=。

Q: タプルや set にも append はある？
A: タプルは不変なので不可（a + (x,) で新タプル）。set は add(x)、複数なら update(iter)。

Q: ループ内連結で性能が落ちる
A: result = result + [x] は毎回新リスト生成で O(n^2)。append か内包表記を使う。