你也可以使用这个(更有效)。(https://softwareengineering.stackexchange.com/questions/304445/why-is-s-better-than-for-concatenation)

s += "%s" %(stringfromelsewhere)

将字符串附加到字符串变量的最好方法是使用+或+=。这是因为它可读性强，速度快。它们也一样快，你选择哪一种取决于你的口味，后者是最常见的。下面是timeit模块的计时:

a = a + b:
0.11338996887207031
a += b:
0.11040496826171875

然而，那些建议拥有列表并向列表中添加并加入这些列表的人，这样做是因为与扩展字符串相比，向列表中添加字符串可能非常快。在某些情况下，这可能是真的。例如，这里是一个 一个单字符字符串的百万次追加，首先是字符串，然后是列表:

a += b:
0.10780501365661621
a.append(b):
0.1123361587524414

事实证明，即使结果字符串有一百万个字符长，追加仍然更快。

现在让我们尝试将一个1000个字符的长字符串附加10万次:

a += b:
0.41823482513427734
a.append(b):
0.010656118392944336

因此，结束字符串的长度约为100MB。这是相当慢的，附加到一个列表要快得多。该计时不包括最后的a.join()。这需要多长时间?

a.join(a):
0.43739795684814453

牛津大学出版社。事实证明，即使在这种情况下，append/join也更慢。

那么这个建议从何而来呢?Python 2 ?

a += b:
0.165287017822
a.append(b):
0.0132720470428
a.join(a):
0.114929914474

如果你使用的是非常长的字符串，那么append/join稍微快一点(通常情况下你不会，你会有一个100MB内存的字符串吗?)

但真正的关键是Python 2.3。我甚至不会给你们看计时，因为它太慢了，还没有完成。这些测试突然需要几分钟。除了append/join，它和后面的python一样快。

是的。在石器时代的Python中，字符串连接非常慢。但在2.4版不再是这样(至少Python 2.4.7)，所以使用append/join的建议在2008年就过时了，那时Python 2.3停止更新，你应该停止使用它。: -)

(更新:当我更仔细地进行测试时，发现在Python 2.3上使用+和+=对两个字符串也更快。建议使用" .join()一定是一个误解)

然而，这是CPython。其他实现可能有其他问题。这就是为什么过早优化是万恶之源的另一个原因。不要使用被认为“更快”的技术，除非你先测量过它。

因此，进行字符串连接的“最佳”版本是使用+或+=。如果这对你来说很慢，这是不太可能的，那就做其他的事情。

为什么我在代码中使用了大量的追加/连接?因为有时候会更清楚。特别是当你要连接在一起的东西应该用空格、逗号或换行符分隔。

在稳定和交叉实现方面，通过“+”来使用字符串连接是最糟糕的连接方法，因为它不支持所有值。PEP8标准不鼓励这种做法，鼓励长期使用format()、join()和append()。

引用自链接的“编程建议”部分:

例如，不要依赖于CPython对a += b或a = a + b形式的语句的就地字符串连接的有效实现。即使在CPython中，这种优化也是脆弱的(它只对某些类型有效)，并且在不使用折算的实现中根本不存在。在库的性能敏感部分，应该使用" .join()形式。这将确保跨各种实现的连接以线性时间发生。

你也可以使用这个(更有效)。(https://softwareengineering.stackexchange.com/questions/304445/why-is-s-better-than-for-concatenation)

s += "%s" %(stringfromelsewhere)

虽然有些过时，但像Pythonista一样编程:Idiomatic Python在本节中推荐join()而不是+。就像PythonSpeedPerformanceTips在其关于字符串连接的部分中所做的那样，并附带以下免责声明:

这一节的准确性后来受到争议 Python的不同版本。在CPython 2.5中，字符串连接是公平的 虽然这可能不适用于其他Python 实现。有关讨论，请参阅ConcatenationTestCode。

如果要连接很多值，则两者都不使用。附加列表的开销很大。你可以使用StringIO。特别是当你通过大量的操作建立它的时候。

from cStringIO import StringIO
# python3:  from io import StringIO

buf = StringIO()

buf.write('foo')
buf.write('foo')
buf.write('foo')

buf.getvalue()
# 'foofoofoo'

如果您已经从其他操作返回了一个完整的列表，那么只需使用“.join(aList)”

来自python常见问题:将多个字符串连接在一起的最有效方法是什么?

str and bytes objects are immutable, therefore concatenating many strings together is inefficient as each concatenation creates a new object. In the general case, the total runtime cost is quadratic in the total string length. To accumulate many str objects, the recommended idiom is to place them into a list and call str.join() at the end: chunks = [] for s in my_strings: chunks.append(s) result = ''.join(chunks) (another reasonably efficient idiom is to use io.StringIO) To accumulate many bytes objects, the recommended idiom is to extend a bytearray object using in-place concatenation (the += operator): result = bytearray() for b in my_bytes_objects: result += b

编辑:我很愚蠢，把结果向后粘贴，使它看起来像添加到列表中比cStringIO更快。我还添加了对bytearray/str concat的测试，以及使用更大字符串的更大列表的第二轮测试。(python 2.7.3)

大型字符串列表的Ipython测试示例

try:
    from cStringIO import StringIO
except:
    from io import StringIO

source = ['foo']*1000

%%timeit buf = StringIO()
for i in source:
    buf.write(i)
final = buf.getvalue()
# 1000 loops, best of 3: 1.27 ms per loop

%%timeit out = []
for i in source:
    out.append(i)
final = ''.join(out)
# 1000 loops, best of 3: 9.89 ms per loop

%%timeit out = bytearray()
for i in source:
    out += i
# 10000 loops, best of 3: 98.5 µs per loop

%%timeit out = ""
for i in source:
    out += i
# 10000 loops, best of 3: 161 µs per loop

## Repeat the tests with a larger list, containing
## strings that are bigger than the small string caching 
## done by the Python
source = ['foo']*1000

# cStringIO
# 10 loops, best of 3: 19.2 ms per loop

# list append and join
# 100 loops, best of 3: 144 ms per loop

# bytearray() +=
# 100 loops, best of 3: 3.8 ms per loop

# str() +=
# 100 loops, best of 3: 5.11 ms per loop