先说明的是，使用这个模块的函数前先确保操作的列表是已排序的。
先看看 insort 函数：
其插入的结果是不会影响原有的排序。
再看看 bisect 函数：
其目的在于查找该数值将会插入的位置并返回，而不会插入。
接着看 bisect_left 和 bisect_right 函数，该函数用入处理将会插入重复数值的情况，返回将会插入的位置
Python 著名的数据处理库 numpy 也有一个用于二分查找的函数 numpy.searchsorted， 用法与 bisect 基本相同，只不过如果要右边插入时，需要设置参数 side=‘right‘，例如：
searchsorted 不适合用于搜索普通的数组，但是它用来搜索 numpy.ndarray 是相当快的：
In [30]: data_ndarray = np.arange(0, 1000000) In [31]: %timeit np.searchsorted(data_ndarray, 99999) The slowest run took 16.04 times longer than the fastest. This could mean that an intermediate result is being cached. 1000000 loops, best of 3: 996 ns per loop In [32]: %timeit np.searchsorted(data_ndarray, 8888) The slowest run took 18.22 times longer than the fastest. This could mean that an intermediate result is being cached. 1000000 loops, best of 3: 994 ns per loop In [33]: %timeit np.searchsorted(data_ndarray, 777777) The slowest run took 31.32 times longer than the fastest. This could mean that an intermediate result is being cached. 1000000 loops, best of 3: 990 ns per loop
numpy.searchsorted 可以同时搜索多个值:
>>> np.searchsorted([1,2,3,4,5], 3) 2 >>> np.searchsorted([1,2,3,4,5], 3, side=‘right‘) 3 >>> np.searchsorted([1,2,3,4,5], [-10, 10, 2, 3]) array([0, 5, 1, 2])
其对应的插入函数是 insort_left 和 insort_right ：
可见，单纯看其结果的话，两个函数的操作结果是一样的，其实插入的位置不同而已。
