元组比Python中的列表更有效吗？

Question

元组比Python中的列表更有效吗？在实例化和检索元素时，元组和列表之间是否存在性能差异？

Answer 1

该dis模块反汇编函数的字节代码，有助于查看元组和列表之间的区别。

在这种情况下，您可以看到访问元素会生成相同的代码，但分配元组比分配列表要快得多。

>>> def a():

...     x=[1,2,3,4,5]

...     y=x[2]

...

>>> def b():

...     x=(1,2,3,4,5)

...     y=x[2]

...

>>> import dis

>>> dis.dis(a)

  2           0 LOAD_CONST               1 (1)

              3 LOAD_CONST               2 (2)

              6 LOAD_CONST               3 (3)

              9 LOAD_CONST               4 (4)

             12 LOAD_CONST               5 (5)

             15 BUILD_LIST               5

             18 STORE_FAST               0 (x)

  3          21 LOAD_FAST                0 (x)

             24 LOAD_CONST               2 (2)

             27 BINARY_SUBSCR

             28 STORE_FAST               1 (y)

             31 LOAD_CONST               0 (None)

             34 RETURN_VALUE

>>> dis.dis(b)

  2           0 LOAD_CONST               6 ((1, 2, 3, 4, 5))

              3 STORE_FAST               0 (x)

  3           6 LOAD_FAST                0 (x)

              9 LOAD_CONST               2 (2)

             12 BINARY_SUBSCR

             13 STORE_FAST               1 (y)

             16 LOAD_CONST               0 (None)

             19 RETURN_VALUE

Answer 2

通常，您可能希望元组稍快一些。但是你绝对应该测试你的特定情况（如果差异可能会影响你的程序的性能 - 记住“过早优化是所有邪恶的根源”）。

Python使这很容易：timeit是你的朋友。

$ python -m timeit "x=(1,2,3,4,5,6,7,8)"10000000 loops, best of 3: 0.0388 usec per loop

$ python -m timeit "x=[1,2,3,4,5,6,7,8]"1000000 loops, best of 3: 0.363 usec per loop

和...

$ python -m timeit -s "x=(1,2,3,4,5,6,7,8)" "y=x[3]"10000000 loops, best of 3: 0.0938 usec per loop

$ python -m timeit -s "x=[1,2,3,4,5,6,7,8]" "y=x[3]"10000000 loops, best of 3: 0.0649 usec per loop

所以在这种情况下，元组的实例化速度几乎要快一个数量级，但是对于列表，项目访问实际上要快一些！因此，如果您创建了几个元组并多次访问它们，那么使用列表实际上可能会更快。

当然，如果你想改变一个项目，列表肯定会更快，因为你需要创建一个全新的元组来改变它的一个项目（因为元组是不可变的）。

Answer 3

摘要

元组往往比几乎每个类别中的列表表现更好：

1）元组可以不断折叠。

2）可以重用元组而不是复制元组。

3）元组是紧凑的，不会过度分配。

4）元组直接引用它们的元素。

元组可以不断折叠

常量元组可以通过Python的窥孔优化器或AST优化器进行预先计算。另一方面，列表从头开始构建：

    >>> from dis import dis    >>> dis(compile("(10, 'abc')", '', 'eval'))
      1           0 LOAD_CONST               2 ((10, 'abc'))
                  3 RETURN_VALUE   

    >>> dis(compile("[10, 'abc']", '', 'eval'))
      1           0 LOAD_CONST               0 (10)
                  3 LOAD_CONST               1 ('abc')
                  6 BUILD_LIST               2
                  9 RETURN_VALUE

元组不需要复制

运行tuple(some_tuple)立即返回。由于元组是不可变的，因此不必复制它们：

>>> a = (10, 20, 30)>>> b = tuple(a)>>> a is bTrue

相反，list(some_list)要求将所有数据复制到新列表：

>>> a = [10, 20, 30]>>> b = list(a)>>> a is bFalse

元组不会过度分配

由于元组的大小是固定的，因此它可以比需要过度分配以使append（）操作有效的列表更紧凑地存储。

这为元组提供了一个很好的空间优势：

>>> import sys>>> sys.getsizeof(tuple(iter(range(10))))128>>> sys.getsizeof(list(iter(range(10))))200

以下是Objects / listobject.c中的注释，它解释了列表正在执行的操作：

/* This over-allocates proportional to the list size, making room
 * for additional growth.  The over-allocation is mild, but is
 * enough to give linear-time amortized behavior over a long
 * sequence of appends() in the presence of a poorly-performing
 * system realloc().
 * The growth pattern is:  0, 4, 8, 16, 25, 35, 46, 58, 72, 88, ...
 * Note: new_allocated won't overflow because the largest possible value
 *       is PY_SSIZE_T_MAX * (9 / 8) + 6 which always fits in a size_t.
 */

元组直接引用它们的元素

对象的引用直接包含在元组对象中。相比之下，列表有一个额外的间接层指向外部指针数组。

这为元组提供了索引查找和解包的小速度优势：

$ python3.6 -m timeit -s 'a = (10, 20, 30)' 'a[1]'10000000 loops, best of 3: 0.0304 usec per loop
$ python3.6 -m timeit -s 'a = [10, 20, 30]' 'a[1]'10000000 loops, best of 3: 0.0309 usec per loop

$ python3.6 -m timeit -s 'a = (10, 20, 30)' 'x, y, z = a'10000000 loops, best of 3: 0.0249 usec per loop
$ python3.6 -m timeit -s 'a = [10, 20, 30]' 'x, y, z = a'10000000 loops, best of 3: 0.0251 usec per loop

以下是元组(10, 20)的存储方式：

    typedef struct {
        Py_ssize_t ob_refcnt;
        struct _typeobject *ob_type;
        Py_ssize_t ob_size;
        PyObject *ob_item[2];     /* store a pointer to 10 and a pointer to 20 */
    } PyTupleObject;

以下是列表[10, 20]的存储方式：

    PyObject arr[2];              /* store a pointer to 10 and a pointer to 20 */

    typedef struct {
        Py_ssize_t ob_refcnt;
        struct _typeobject *ob_type;
        Py_ssize_t ob_size;
        PyObject **ob_item = arr; /* store a pointer to the two-pointer array */
        Py_ssize_t allocated;
    } PyListObject;

请注意，元组对象直接包含两个数据指针，而列表对象有一个额外的间接层，用于保存两个数据指针的外部数组。