因为没有人提到它，请注意del(不像pop)允许删除一系列索引，因为列表切片:

>>> lst = [3, 2, 2, 1]
>>> del lst[1:]
>>> lst
[3]

这也允许避免IndexError如果索引不在列表中:

>>> lst = [3, 2, 2, 1]
>>> del lst[10:]
>>> lst
[3, 2, 2, 1]

使用del按索引删除元素，使用pop()按索引删除元素(如果需要返回值)，使用remove()按值删除元素。最后一个需要搜索列表，如果列表中没有这样的值，则引发ValueError。

当从一个包含n个元素的列表中删除索引i时，这些方法的计算复杂度为

del     O(n - i)
pop     O(n - i)
remove  O(n)

因为没有人提到它，请注意del(不像pop)允许删除一系列索引，因为列表切片:

>>> lst = [3, 2, 2, 1]
>>> del lst[1:]
>>> lst
[3]

这也允许避免IndexError如果索引不在列表中:

>>> lst = [3, 2, 2, 1]
>>> del lst[10:]
>>> lst
[3, 2, 2, 1]

del、pop和remove在执行速度上的差异:

当移除任何中间项目时:

import timeit
print(timeit.timeit("a=[1,2,3,4,5]\ndel a[3]",number=100000))
print(timeit.timeit("a=[1,2,3,4,5]\na.pop(3)",number=100000))
print(timeit.timeit("a=[1,2,3,4,5]\na.remove(3)",number=100000))

Del vs pop vs remove:

0.019387657986953855
0.02506213402375579
0.033232167130336165

Del()似乎比其他两个快得多，而remove()是最慢的。

同时删除最后一项:

print(timeit.timeit("a=[1,2,3,4,5]\ndel a[-1]",number=100000))
print(timeit.timeit("a=[1,2,3,4,5]\na.pop()",number=100000))
print(timeit.timeit("a=[1,2,3,4,5]\na.remove(5)",number=100000))

Del vs pop vs remove:

0.01974551402963698
0.020333584863692522
0.03434014297090471

Del()和pop()删除最后一项所需的时间相似。

从列表中删除元素的三种不同方法的效果:

Remove删除第一个匹配的值，而不是特定的索引:

>>> a = [0, 2, 3, 2]
>>> a.remove(2)
>>> a
[0, 3, 2]

Del删除特定索引处的项:

>>> a = [9, 8, 7, 6]
>>> del a[1]
>>> a
[9, 7, 6]

pop删除特定索引处的项并返回它。

>>> a = [4, 3, 5]
>>> a.pop(1)
3
>>> a
[4, 5]

它们的错误模式也不同:

>>> a = [4, 5, 6]
>>> a.remove(7)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: list.remove(x): x not in list
>>> del a[7]
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
IndexError: list assignment index out of range
>>> a.pop(7)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
IndexError: pop index out of range

而pop和delete都采用索引来删除上面注释中所述的元素。一个关键的区别是它们的时间复杂度。没有索引的pop()的时间复杂度是O(1)，但删除最后一个元素的情况不同。

如果您的用例总是删除最后一个元素，那么使用pop()而不是delete()总是更好的。有关时间复杂性的更多解释，请参阅https://www.ics.uci.edu/~pattis/ICS-33/lectures/complexitypython.txt