--- title: "Listas em Python: Guia Completo com Exemplos" url: "https://python.dev.br/algoritmos/listas-python/" markdown_url: "https://python.dev.br/algoritmos/listas-python.MD" description: "Aprenda tudo sobre listas em Python. Metodos, slicing, list comprehension, listas aninhadas, performance e quando usar listas vs outras estruturas de dados." date: "2026-04-27" author: "Equipe Python Brasil" --- # Listas em Python: Guia Completo com Exemplos Aprenda tudo sobre listas em Python. Metodos, slicing, list comprehension, listas aninhadas, performance e quando usar listas vs outras estruturas de dados. ## O que sao Listas em Python? Listas sao a estrutura de dados mais utilizada em Python. Elas armazenam colecoes ordenadas de elementos que podem ser modificados apos a criacao — ou seja, sao **mutaveis**. Listas permitem duplicatas, suportam diferentes tipos de dados no mesmo container e oferecem dezenas de metodos para manipulacao. Se voce esta comecando com Python, dominar listas e essencial antes de avancar para estruturas mais complexas como [dicionarios](/algoritmos/dicionarios-python/) e [pilhas e filas](/algoritmos/pilhas-filas-python/). Confira nosso guia [Como Comecar com Python](/blog/como-comecar-com-python/) para uma introducao a linguagem. --- ## Criando Listas Existem varias formas de criar listas em Python: ```python # Lista vazia lista_vazia = [] lista_vazia2 = list() # Lista com elementos frutas = ["maca", "banana", "laranja"] numeros = [1, 2, 3, 4, 5] # Lista com tipos mistos misturada = [42, "texto", 3.14, True, None] # Lista a partir de range sequencia = list(range(1, 11)) # [1, 2, 3, 4, 5, 6, 7, 8, 9, 10] # Lista a partir de string caracteres = list("Python") # ['P', 'y', 't', 'h', 'o', 'n'] ``` Listas sao delimitadas por colchetes `[]` e os elementos sao separados por virgulas. A funcao `list()` converte outros iteraveis (strings, tuplas, ranges) em listas. --- ## Acessando Elementos: Indexacao e Slicing Python usa indexacao baseada em zero. O primeiro elemento esta no indice 0: ```python frutas = ["maca", "banana", "laranja", "uva", "manga"] # Indexacao positiva print(frutas[0]) # "maca" print(frutas[2]) # "laranja" # Indexacao negativa (conta do final) print(frutas[-1]) # "manga" print(frutas[-2]) # "uva" ``` ### Slicing (Fatiamento) Slicing permite extrair sublistas usando a sintaxe `lista[inicio:fim:passo]`: ```python numeros = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] # Primeiros 5 elementos print(numeros[:5]) # [0, 1, 2, 3, 4] # Do indice 3 ao 7 print(numeros[3:8]) # [3, 4, 5, 6, 7] # Ultimos 3 elementos print(numeros[-3:]) # [7, 8, 9] # Passo de 2 (pula elementos) print(numeros[::2]) # [0, 2, 4, 6, 8] # Reverter a lista print(numeros[::-1]) # [9, 8, 7, 6, 5, 4, 3, 2, 1, 0] # Copiar a lista copia = numeros[:] ``` Slicing sempre retorna uma nova lista, nunca modifica a original. Para mais sobre manipulacao de dados, veja nosso guia sobre [estruturas de dados em Python](/blog/estruturas-de-dados-python/). --- ## Metodos Essenciais de Listas Python oferece metodos embutidos para manipular listas. Aqui estao os mais importantes: ### Adicionando Elementos ```python frutas = ["maca", "banana"] # Adicionar ao final — O(1) amortizado frutas.append("laranja") # ["maca", "banana", "laranja"] # Inserir em posicao especifica — O(n) frutas.insert(1, "manga") # ["maca", "manga", "banana", "laranja"] # Adicionar multiplos elementos — O(k) frutas.extend(["uva", "pera"]) # ["maca", "manga", "banana", "laranja", "uva", "pera"] ``` ### Removendo Elementos ```python frutas = ["maca", "banana", "laranja", "banana", "uva"] # Remover por valor (primeira ocorrencia) — O(n) frutas.remove("banana") # ["maca", "laranja", "banana", "uva"] # Remover por indice e retornar — O(n) ou O(1) para o final ultimo = frutas.pop() # Remove e retorna "uva" segundo = frutas.pop(1) # Remove e retorna "laranja" # Remover por indice sem retornar del frutas[0] # Limpar toda a lista frutas.clear() ``` ### Ordenacao e Busca ```python numeros = [3, 1, 4, 1, 5, 9, 2, 6] # Ordenar in-place — O(n log n) numeros.sort() # [1, 1, 2, 3, 4, 5, 6, 9] # Ordenar em ordem decrescente numeros.sort(reverse=True) # [9, 6, 5, 4, 3, 2, 1, 1] # Reverter a lista — O(n) numeros.reverse() # Contar ocorrencias — O(n) print(numeros.count(1)) # 2 # Encontrar indice — O(n) print(numeros.index(5)) # Retorna o indice do primeiro 5 ``` Para uma analise mais aprofundada de algoritmos de ordenacao, confira nosso guia sobre [ordenacao em Python](/algoritmos/ordenacao-python/). --- ## List Comprehension List comprehension e uma forma concisa e Pythonica de criar listas. E mais rapida que loops tradicionais e muito usada no dia a dia: ```python # Forma tradicional quadrados = [] for x in range(10): quadrados.append(x ** 2) # Com list comprehension quadrados = [x ** 2 for x in range(10)] # [0, 1, 4, 9, 16, 25, 36, 49, 64, 81] # Com condicao (filtro) pares = [x for x in range(20) if x % 2 == 0] # [0, 2, 4, 6, 8, 10, 12, 14, 16, 18] # Com transformacao e filtro nomes = ["ana", "CARLOS", "maria", "PEDRO"] minusculos = [nome.lower() for nome in nomes if len(nome) > 3] # ["carlos", "maria", "pedro"] # Comprehension aninhada (matriz para lista plana) matriz = [[1, 2, 3], [4, 5, 6], [7, 8, 9]] plana = [num for linha in matriz for num in linha] # [1, 2, 3, 4, 5, 6, 7, 8, 9] ``` List comprehension e um dos recursos mais poderosos de Python. Para mais detalhes, leia nosso artigo sobre [compreensao de listas](/blog/compreensao-de-listas-python/). --- ## Listas Aninhadas (Matrizes) Listas podem conter outras listas, criando estruturas multidimensionais: ```python # Matriz 3x3 matriz = [ [1, 2, 3], [4, 5, 6], [7, 8, 9] ] # Acessar elemento: linha 1, coluna 2 print(matriz[1][2]) # 6 # Percorrer toda a matriz for i, linha in enumerate(matriz): for j, valor in enumerate(linha): print(f"matriz[{i}][{j}] = {valor}") # Criar matriz com list comprehension zeros = [[0] * 4 for _ in range(3)] # [[0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0]] ``` > **Cuidado**: Nao use `[[0] * 4] * 3` — isso cria 3 referencias para a mesma lista interna. Use list comprehension para criar listas independentes. Para trabalhar com matrizes numericas de forma eficiente, considere usar [NumPy](/glossario/numpy/), que oferece arrays multidimensionais otimizados. --- ## Performance: Complexidade de Operacoes Entender a performance de cada operacao e fundamental para escrever codigo eficiente. A tabela abaixo mostra a complexidade Big O das operacoes mais comuns: | Operacao | Complexidade | Exemplo | |---|---|---| | Acesso por indice | O(1) | `lista[i]` | | Append | O(1) amortizado | `lista.append(x)` | | Pop do final | O(1) | `lista.pop()` | | Pop do inicio | O(n) | `lista.pop(0)` | | Insert no inicio | O(n) | `lista.insert(0, x)` | | Insert no meio | O(n) | `lista.insert(i, x)` | | Busca (in) | O(n) | `x in lista` | | Remove | O(n) | `lista.remove(x)` | | Sort | O(n log n) | `lista.sort()` | | Len | O(1) | `len(lista)` | | Slice | O(k) | `lista[a:b]` | | Extend | O(k) | `lista.extend(outra)` | ### Quando Nao Usar Listas Listas nao sao a melhor escolha para todos os cenarios: - **Insercoes/remocoes frequentes no inicio**: Use `collections.deque` — veja [pilhas e filas](/algoritmos/pilhas-filas-python/) - **Busca frequente por valor**: Use `set` ou `dict` para buscas O(1) — veja [dicionarios](/algoritmos/dicionarios-python/) - **Dados imutaveis**: Use tuplas para dados que nao mudam - **Calculos numericos pesados**: Use [NumPy](/glossario/numpy/) arrays Para mais sobre [estruturas de dados em Python](/blog/estruturas-de-dados-python/) e como escolher a mais adequada para cada caso. --- ## Funcoes Uteis com Listas Python oferece funcoes embutidas que trabalham muito bem com listas: ```python numeros = [3, 1, 4, 1, 5, 9, 2, 6] # Funcoes basicas print(len(numeros)) # 8 print(sum(numeros)) # 31 print(min(numeros)) # 1 print(max(numeros)) # 9 # Sorted (retorna nova lista, nao altera a original) ordenada = sorted(numeros) # [1, 1, 2, 3, 4, 5, 6, 9] # Enumerate (indice + valor) for i, num in enumerate(numeros): print(f"Indice {i}: {num}") # Zip (combinar listas) nomes = ["Ana", "Carlos", "Maria"] idades = [25, 30, 28] for nome, idade in zip(nomes, idades): print(f"{nome} tem {idade} anos") # Map e Filter dobros = list(map(lambda x: x * 2, numeros)) grandes = list(filter(lambda x: x > 4, numeros)) # Any e All print(any(x > 8 for x in numeros)) # True (9 > 8) print(all(x > 0 for x in numeros)) # True (todos positivos) ``` Para entender melhor funcoes [lambda](/glossario/lambda/) e programacao funcional, consulte nosso glossario. --- ## Boas Praticas com Listas 1. **Prefira list comprehension** a loops com append — e mais rapido e legivel 2. **Use `enumerate()`** em vez de `range(len(lista))` para iterar com indice 3. **Evite modificar lista durante iteracao** — crie uma nova lista ou itere sobre uma copia 4. **Use unpacking** para extrair valores: `primeiro, *resto = lista` 5. **Use `deque`** quando precisar de insercoes/remocoes em ambas as pontas ```python # Evite isso for i in range(len(lista)): print(lista[i]) # Faca isso for item in lista: print(item) # Ou com indice for i, item in enumerate(lista): print(i, item) ``` Para mais sobre boas praticas em Python, leia nosso artigo sobre [boas praticas Python em 2026](/blog/boas-praticas-python-2026/). --- ## Conclusao Listas sao a base de qualquer programa Python. Dominar seus metodos, entender sua performance e saber quando usar alternativas como tuplas, sets ou deque e essencial para escrever codigo eficiente e profissional. Continue aprendendo sobre estruturas de dados e algoritmos com nossos outros guias: [dicionarios](/algoritmos/dicionarios-python/), [ordenacao](/algoritmos/ordenacao-python/), [busca binaria](/algoritmos/busca-binaria-python/) e [pilhas e filas](/algoritmos/pilhas-filas-python/). Se voce esta construindo uma carreira com Python, confira tambem nossas [vagas Python atualizadas](/vagas/) e o guia de [salarios Python no Brasil](/carreira/salarios-python-brasil/).

Se voce gosta de Python, explore tambem nossos sites irmãos sobre outras linguagens de programacao: Go, Rust e Kotlin.