方法1（首选）：

if not a:
   print ("Empty")

方法2：

if len(a) == 0:
   print("Empty")

方法3：

if a == []:
  print ("Empty")

我们可以使用一个简单的if else：

item_list=[]
if len(item_list) == 0:
    print("list is empty")
else:
    print("list is not empty")

只需使用is_empty（）或生成如下函数：-

def is_empty(any_structure):
    if any_structure:
        print('Structure is not empty.')
        return True
    else:
        print('Structure is empty.')
        return False  

它可以用于任何数据结构，如列表、元组、字典等等。通过这些，您可以使用is_empty（any_structure）多次调用它。

帕特里克（被接受）的答案是正确的：如果不是：是正确的做法。哈雷·霍尔科姆（Harley Holcombe）的回答是正确的，这是在PEP8风格指南中。但没有一个答案能解释为什么遵循这个习语是一个好主意，即使你个人觉得它不够明确或让Ruby用户感到困惑。

Python代码和Python社区有很强的习惯用法。遵循这些习惯用法可以让任何有Python经验的人更容易阅读代码。当你违反这些习惯用语时，这是一个强烈的信号。

的确，如果不是：，就不能将空列表与None、数字0、空元组、空用户创建的集合类型、空用户生成的不完全集合类型、或单个元素NumPy数组用作带有假值的标量等区分开来。在这种情况下，你知道你想表达什么，所以你可以测试一下。例如，如果不是a，并且a不是None：表示“除了None以外的任何错误”，而如果len（a）！=0：表示“只有空序列和除了序列之外的任何东西在这里都是错误的”，以此类推。除了测试你想要测试的东西之外，这也向读者发出了这个测试很重要的信号。

但是，当你没有什么要明确的时候，除了：以外的任何东西都会误导读者。当它不重要的时候，你在发出同样重要的信号。（你也可能会让代码变得不那么灵活，或者更慢，或者其他什么的，但这都不那么重要。）如果你习惯性地这样误导读者，那么当你确实需要做出区分时，它会被忽略，因为你一直在代码中“嚎啕大哭”。

检查列表是否为空的最佳方法例如，如果通过以下步骤：a=[]如何检查a是否为空？

简短回答：

将列表放在布尔上下文中（例如，使用if或while语句）。如果为空，则测试False，否则测试True。例如：

if not a:                           # do this!
    print('a is an empty list')

第8段

PEP8是Python标准库中Python代码的官方Python风格指南，它断言：

对于序列（字符串、列表、元组），请使用空序列为false的事实。是：如果不是seq：如果seq：否：如果len（seq）：如果不是len（seq）：

我们应该期望标准库代码应该尽可能高性能和正确。但为什么会这样，为什么我们需要这种指导？

解释

我经常从刚接触Python的经验丰富的程序员那里看到这样的代码：

if len(a) == 0:                     # Don't do this!
    print('a is an empty list')

懒惰语言的用户可能会这样做：

if a == []:                         # Don't do this!
    print('a is an empty list')

这些在各自的其他语言中都是正确的。这在Python中甚至是语义正确的。

但我们认为它是非Python的，因为Python通过布尔强制在列表对象的接口中直接支持这些语义。

从文档中（并特别注意空列表的包含，[]）：

默认情况下，除非对象的类定义返回False的__bool__（）方法或__len__（）方法当使用对象调用时，返回零。以下是大多数被认为是假的内置对象：常量定义为false：None和false。任何数字类型的零：0，0.0，0j，十进制（0），分数（0，1）空序列和集合：“”，（），[]，{}，set（），range（0）

以及数据模型文档：

对象__布尔_（自身）调用以实现真值测试和内置操作bool（）；应返回False或True。当未定义该方法时，__如果定义了len__（），则调用它，如果结果为非零，则该对象视为真。如果类既没有定义__len__（）也不是__bool_（），它的所有实例都被认为是真的。

and

对象__len__（自己）调用以实现内置函数len（）。应该返回对象的长度，一个大于等于0的整数。此外，未定义__bool__（）方法且__len__（）方法返回零的对象在布尔上下文中被视为false。

因此，与此相反：

if len(a) == 0:                     # Don't do this!
    print('a is an empty list')

或者：

if a == []:                     # Don't do this!
    print('a is an empty list')

执行以下操作：

if not a:
    print('a is an empty list')

做Pythonic通常会在表演中获得回报：

它有回报吗？（请注意，执行等效操作的时间越短越好：）

>>> import timeit
>>> min(timeit.repeat(lambda: len([]) == 0, repeat=100))
0.13775854044661884
>>> min(timeit.repeat(lambda: [] == [], repeat=100))
0.0984637276455409
>>> min(timeit.repeat(lambda: not [], repeat=100))
0.07878462291455435

对于scale，这里是调用函数、构造和返回空列表的成本，您可以从上面使用的空检查的成本中减去该成本：

>>> min(timeit.repeat(lambda: [], repeat=100))
0.07074015751817342

我们看到，使用内置函数len（与0相比）检查长度，或者检查空列表，都比使用所记录的语言的内置语法性能差得多。

Why?

对于len（a）==0，检查：

首先，Python必须检查全局变量，以查看len是否被隐藏。

然后，它必须调用函数，加载0，并在Python中进行相等比较（而不是使用C）：

>>> import dis
>>> dis.dis(lambda: len([]) == 0)
  1           0 LOAD_GLOBAL              0 (len)
              2 BUILD_LIST               0
              4 CALL_FUNCTION            1
              6 LOAD_CONST               1 (0)
              8 COMPARE_OP               2 (==)
             10 RETURN_VALUE

对于[]==[]，它必须构建一个不必要的列表，然后再次在Python的虚拟机中执行比较操作（与C相反）

>>> dis.dis(lambda: [] == [])
  1           0 BUILD_LIST               0
              2 BUILD_LIST               0
              4 COMPARE_OP               2 (==)
              6 RETURN_VALUE

“Pythonic”方法是一种更简单、更快的检查方法，因为列表的长度缓存在对象实例头中：

>>> dis.dis(lambda: not [])
  1           0 BUILD_LIST               0
              2 UNARY_NOT
              4 RETURN_VALUE

C来源的证据和文件

PyVarObject这是PyObject的扩展，添加了ob_size字段。这仅用于具有某种长度概念的对象。这种类型不经常出现在Python/C API中。它对应于由PyObject_VAR_HEAD宏展开定义的字段。

从Include/listobject.h中的c源代码：

typedef struct {
    PyObject_VAR_HEAD
    /* Vector of pointers to list elements.  list[0] is ob_item[0], etc. */
    PyObject **ob_item;

    /* ob_item contains space for 'allocated' elements.  The number
     * currently in use is ob_size.
     * Invariants:
     *     0 <= ob_size <= allocated
     *     len(list) == ob_size

对评论的回应：

我要指出的是，这对于非空情况也是如此，尽管它很难看，如l=[]，然后%timeitlen（l）！=0 90.6纳秒±8.3纳秒，%时间l！=[]55.6 ns±3.09，%时间不超过38.5 ns±0.372。但是，尽管速度是原来的三倍，但没有人会喜欢我。这看起来很可笑。但速度取胜我想问题是用timeit测试，因为仅当l：足够，但令人惊讶的是%timeit bool（l）产生101 ns±2.64 ns。有趣的是，如果没有这种惩罚，就没有办法强迫发出嘘声。%时间是无用的，因为不会发生转换。

IPython魔法%timeit在这里并非完全无用：

In [1]: l = []                                                                  

In [2]: %timeit l                                                               
20 ns ± 0.155 ns per loop (mean ± std. dev. of 7 runs, 100000000 loops each)

In [3]: %timeit not l                                                           
24.4 ns ± 1.58 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each)

In [4]: %timeit not not l                                                       
30.1 ns ± 2.16 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each)

我们可以看到，每增加一项都会有一点线性成本。我们希望看到成本相同，也就是说，所有其他方面都是平等的——所有其他方面尽可能最小化：

In [5]: %timeit if l: pass                                                      
22.6 ns ± 0.963 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each)

In [6]: %timeit if not l: pass                                                  
24.4 ns ± 0.796 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each)

In [7]: %timeit if not not l: pass                                              
23.4 ns ± 0.793 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each)

现在，让我们来看一个非空列表的例子：

In [8]: l = [1]                                                                 

In [9]: %timeit if l: pass                                                      
23.7 ns ± 1.06 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each)

In [10]: %timeit if not l: pass                                                 
23.6 ns ± 1.64 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each)

In [11]: %timeit if not not l: pass                                             
26.3 ns ± 1 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each)

我们在这里看到的是，无论是将实际布尔值传递给条件检查还是传递给列表本身，都没有什么不同，如果有什么不同的话，那么给出列表的速度会更快。

Python是用C编写的；它使用C级的逻辑。用Python编写的任何内容都会比较慢。除非您直接使用Python内置的机制，否则它可能会慢几个数量级。

def list_test (L):
    if   L is None  : print('list is None')
    elif not L      : print('list is empty')
    else: print('list has %d elements' % len(L))

list_test(None)
list_test([])
list_test([1,2,3])

有时单独测试无和空是很好的，因为这是两种不同的状态。上述代码产生以下输出：

list is None 
list is empty 
list has 3 elements

虽然没有一件事是假的，但这毫无价值。所以，如果你不想单独测试“无”，你不必这么做。

def list_test2 (L):
    if not L      : print('list is empty')
    else: print('list has %d elements' % len(L))

list_test2(None)
list_test2([])
list_test2([1,2,3])

预期产量

list is empty
list is empty
list has 3 elements