Python元组和列表

[qingquan-li]

一、元组和列表都属于基础数据结构中的“数组”

tuple 和 list 的内部实现都是 array（数组）的形式，而不是 linked list（链表）。

• list 因为可变，所以是一个 over-allocate 的 array；
  • 由于列表是动态的，所以它需要存储指针，来指向对应的元素。
  • 列表空间分配的过程：为了减小每次增加／删减操作时空间分配的开销，Python 每次分配空间时都会额外多分配一些，这样的机制（over-allocating）保证了其操作的高效性：增加 / 删除的时间复杂度均为 O₍₁₎ 。
  • 对于元组，元组长度大小固定，元素不可变，所以存储空间固定。
• tuple 因为不可变，所以长度大小固定。

基础数据结构中的数组、链表

应用场景：

• 需要存储多个元素（多项数据）时，可使用数组或链表。

数组、链表的区别：

1. 数组的元素都在一起，即在内存中都是相连的（紧靠在一起的）。 链表的元素是分开的，链表中的元素可存储在内存的任何地方，其中每个元素都存储了下一个元素的地址，从而使一系列随机的内存地址串在一起。

2. 数组的元素带编号，元素的位置称为索引。 假设有一个数组array = [1, 2, 3]，第1个元素（索引为0的元素）是1（array[0] = 1）。

3. 数组的读取速度很快。 需要随机地读取元素时，数组的效率很高，数组支持随机访问，因为知道其中每个元素的地址，可迅速找到数组的任何元素。 在链表中，元素并非都靠在一起的，必须先读取第一个元素，根据其中的地址再读取第二个元素，以此类推。链表只能顺序访问，要读取链表的第十个元素，得先读取前九个元素，并沿链接找到第十个元素。随机访问意味着可直接跳到第十个元素。

4. 链表的插入和删除速度很快。 需要在中间插入元素时，使用链表插入元素很简单，只需修改它前面的那个元素指向的地址；而使用数组时，则必须将后面的元素都向后移。 删除元素，链表也是更好的选择，因为只需修改前一个元素指向的地址即可；而使用数组时，删除元素后，必须将后面的元素都向前移。

常见的数组和列表操作的运行时间（ O~(n)~ 为线性时间，O~(1)~ 为常量时间）：

	数组	链表
读取	O(1)	O(n)
插入（内存不足插入会失败）	O(n)	O(1)
删除	O(n)	O(1)

二、元组和列表都是一个可以放置任意数据类型的有序集合

在绝大多数编程语言中，集合的数据类型必须一致。不过，对于 Python 的元组和列表来说，并无此要求：

tup = ('Alice', 18)  # 元组中同时含有int和string类型的元素
tup

# Jupyter Notebook Out:
('Alice', 18)

l = [1, 2, 'hello', 'world']  # 列表中同时含有int和string类型的元素
l

# Jupyter Notebook Out:
[1, 2, 'hello', 'world']

三、元组是静态的，列表是动态的

• 元组是静态的，长度大小固定，无法增加删减或者改变（immutable）
• 列表是动态的，长度大小不固定，可以随意地增加、删减或者改变元素（mutable）

# 无法修改元组元素
tup = (1, 2, 3, 4)
tup[3] = 40
tup

# Jupyter Notebook Out:
---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-2-0151a4c9e088> in <module>
      1 # 无法修改元组元素
      2 tup = (1, 2, 3, 4)
----> 3 tup[3] = 40
      4 tup

TypeError: 'tuple' object does not support item assignment

# 如果想对已有的元组做任何"改变"，那就只能重新开辟一块内存，创建新的元组了。
tup = (1, 2, 3, 4)
new_tup = tup + (5, )  # 创建新的元组new_tup，并依次填充原元组的值
new_tup

# Jupyter Notebook Out:
(1, 2, 3, 4, 5)

# 修改列表元素
l = [1, 2, 3, 4]
l[3] = 40
l

# Jupyter Notebook Out:
[1, 2, 3, 40]

l = [1, 2, 3, 4]
l.append(5)  # 添加元素5到原列表的末尾
l

# Jupyter Notebook Out:
[1, 2, 3, 4, 5]

四、元组和列表都支持负数索引

和其他语言不同，Python 中的元组和列表都支持负数索引，-1 表示最后一个元素，-2 表示倒数第二个元素，以此类推。

tup = (1, 2, 3, 4)
tup[-1]

# Jupyter Notebook Out:
4

l = [1, 2, 3, 4]
l[-2]

# Jupyter Notebook Out:
3

五、元组和列表都支持切片操作

tup = (1, 2, 3, 4)
tup[1:3]  # 返回元组中索引从1到2的子元组

# Jupyter Notebook Out:
(2, 3)

l = [1, 2, 3, 4]
l[1:10]  # 返回列表中索引从1到9的子列表

# Jupyter Notebook Out:
[2, 3, 4]

六、元组和列表都可以随意嵌套

# 元组的每一个元素也是一个元组
tup = ((1, 2, 3), (4, 5, 6))

# 列表的每一个元素也是一个列表
l = [[1, 2, 3], [4, 5]]

七、元组和列表可以通过list()和tuple()函数相互转换

tuple([1, 2, 3])

# Jupyter Notebook Out:
(1, 2, 3)

list((1, 2, 3))

# Jupyter Notebook Out:
[1, 2, 3]

八、元组和列表常用的内置函数

l = [3, 2, 3, 7, 8, 1]

l = [3, 2, 3, 7, 8, 1]

# count(item) 表示统计元组 / 列表中 item 出现的次数
l.count(3)  # Jupyter Notebook Out: 2

# index(item) 表示返回元组 / 列表中 item 第一次出现的索引
l.index(7)  # Jupyter Notebook Out: 3

# list.reverse() 和 list.sort() 分别表示原地倒转列表和排序（注意，元组没有内置的这两个函数)
l.reverse()
l  # Jupyter Notebook Out: [1, 8, 7, 3, 2, 3]

l.sort()
l  # Jupyter Notebook Out: [1, 2, 3, 3, 7, 8]

tup = (3, 2, 3, 7, 8, 1)

# reversed() 和 sorted() 同样表示对列表 / 元组进行倒转和排序：
# reversed() 返回一个倒转后的迭代器（这里使用 list() 函数再将其转换为列表）；
# sorted() 返回排好序的新列表。

list(reversed(tup))  # Jupyter Notebook Out: [1, 8, 7, 3, 2, 3]

sorted(tup)  # Jupyter Notebook Out: [1, 2, 3, 3, 7, 8]

九、元组和列表存储方式的差异

• 元组和列表最重要的区别就是，列表是动态的、可变的，而元组是静态的、不可变的。
• 储存相同的元素，元组的存储空间比列表要少。

tup = (1, 2, 3)
tup.__sizeof__()

# Jupyter Notebook Out:
48

l = [1, 2, 3]
l.__sizeof__()

# Jupyter Notebook Out:
64

• 由于列表是动态的，所以它需要存储指针，来指向对应的元素。
• 列表空间分配的过程：为了减小每次增加／删减操作时空间分配的开销，Python 每次分配空间时都会额外多分配一些，这样的机制（over-allocating）保证了其操作的高效性：增加 / 删除的时间复杂度均为 O₍₁₎ 。
• 对于元组，元组长度大小固定，元素不可变，所以存储空间固定。

l = []

# 空列表的存储空间为40字节
l.__sizeof__()  # Jupyter Notebook Out: 40

# 加入了元素1之后，列表为其分配了可以存储4个元素的空间 (72 - 40)/8 = 4
l.append(1)
l.__sizeof__()  # Jupyter Notebook Out: 72

# 由于之前分配了空间，所以加入元素2，列表空间不变
l.append(2)
l.__sizeof__()  # Jupyter Notebook Out: 72

# 由于之前分配了空间，所以加入元素3，列表空间不变
l.append(3)
l.__sizeof__()  # Jupyter Notebook Out: 72

# 由于之前分配了空间，所以加入元素4，列表空间不变
l.append(4)
l.__sizeof__()  # Jupyter Notebook Out: 72

# 加入元素5之后，列表的空间不足，所以又额外分配了可以存储4个元素的空间
l.append(5)
l.__sizeof__()  # Jupyter Notebook Out: 104

根据以上分析元组和列表存储方式的差异，元组和列表储存空间大小差异似乎不大。 但是想象一下，如果列表和元组存储元素的个数是一亿，十亿甚至更大数量级时，还能忽略这样的差异吗？

十、元组和列表的性能

• 元组要比列表更加轻量级一些，元组的性能速度要略优于列表。
  • Python 会在后台，对静态数据做一些资源缓存（resource caching）。 通常来说，因为垃圾回收机制的存在，如果一些变量不被使用了，Python 就会回收它们所占用的内存，返还给操作系统，以便其他变量或其他应用使用。 但是对于一些静态变量，比如元组，如果它不被使用并且占用空间不大时，Python 会暂时缓存这部分内存。 这样，下次我们再创建同样大小的元组时，Python 就可以不用再向操作系统发出请求，去寻找内存，而是可以直接分配之前缓存的内存空间，这样就能大大加快程序的运行速度。
• 如果想要增加、删减或者改变元素，那么列表显然更优。因为对于元组，需要通过新建一个元组来完成。

初始化一个相同元素的元组和列表分别所需的时间：元组的初始化速度，要比列表快5倍(此处使用macOS)：

$ python3 -m timeit 'x=(1,2,3,4,5,6)'
20000000 loops, best of 5: 19 nsec per loop
python3 -m timeit 'x=[1,2,3,4,5,6]'
5000000 loops, best of 5: 90.3 nsec per loop

但如果是索引操作的话，两者的速度差别非常小，几乎可以忽略不计：

$ python3 -m timeit -s 'x=(1,2,3,4,5,6)' 'y=x[3]'
5000000 loops, best of 5: 43 nsec per loop
$ python3 -m timeit -s 'x=[1,2,3,4,5,6]' 'y=x[3]'
5000000 loops, best of 5: 42.1 nsec per loop

十一、元组和列表的使用场景

# 如果存储的数据和数量不变，比如有一个函数，需要返回的是一个地点的经纬度，然后直接传给前端渲染，那么肯定选用元组更合适：
def get_location():
    ......
    return (longitude, latitude)

# 如果存储的数据或数量是可变的，比如社交平台上的一个日志功能，是统计一个用户在一周之内看了哪些用户的帖子，那么则用列表更合适：
viewer_owner_id_list = []  # 里面的每个元素记录了这个viewer一周内看过的所有owner的id
records = queryDB(viewer_id)  # 索引数据库，拿到某个viewer一周内的日志
for record in records:
    viewer_owner_id_list.append(record.id)