該dis模塊反匯編函數(shù)的字節(jié)代碼，有助于查看元組和列表之間的區(qū)別。

在這種情況下，您可以看到訪問(wèn)元素會(huì)生成相同的代碼，但分配元組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

通常，您可能希望元組稍快一些。但是你絕對(duì)應(yīng)該測(cè)試你的特定情況（如果差異可能會(huì)影響你的程序的性能 - 記住“過(guò)早優(yōu)化是所有邪惡的根源”）。

Python使這很容易：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

所以在這種情況下，元組的實(shí)例化速度幾乎要快一個(gè)數(shù)量級(jí)，但是對(duì)于列表，項(xiàng)目訪問(wèn)實(shí)際上要快一些！因此，如果您創(chuàng)建了幾個(gè)元組并多次訪問(wèn)它們，那么使用列表實(shí)際上可能會(huì)更快。

當(dāng)然，如果你想改變一個(gè)項(xiàng)目，列表肯定會(huì)更快，因?yàn)槟阈枰獎(jiǎng)?chuàng)建一個(gè)全新的元組來(lái)改變它的一個(gè)項(xiàng)目（因?yàn)樵M是不可變的）。

摘要

元組往往比幾乎每個(gè)類別中的列表表現(xiàn)更好：

1）元組可以不斷折疊。

2）可以重用元組而不是復(fù)制元組。

3）元組是緊湊的，不會(huì)過(guò)度分配。

4）元組直接引用它們的元素。

元組可以不斷折疊

常量元組可以通過(guò)Python的窺孔優(yōu)化器或AST優(yōu)化器進(jìn)行預(yù)先計(jì)算。另一方面，列表從頭開始構(gòu)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

元組不需要復(fù)制

運(yùn)行tuple(some_tuple)立即返回。由于元組是不可變的，因此不必復(fù)制它們：

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

相反，list(some_list)要求將所有數(shù)據(jù)復(fù)制到新列表：

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

元組不會(huì)過(guò)度分配

由于元組的大小是固定的，因此它可以比需要過(guò)度分配以使append（）操作有效的列表更緊湊地存儲(chǔ)。

這為元組提供了一個(gè)很好的空間優(yōu)勢(shì)：

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

以下是Objects / listobject.c中的注釋，它解釋了列表正在執(zhí)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.
 */

元組直接引用它們的元素

對(duì)象的引用直接包含在元組對(duì)象中。相比之下，列表有一個(gè)額外的間接層指向外部指針數(shù)組。

這為元組提供了索引查找和解包的小速度優(yōu)勢(shì)：

$ 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

以下是元組(10, 20)的存儲(chǔ)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]的存儲(chǔ)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;

請(qǐng)注意，元組對(duì)象直接包含兩個(gè)數(shù)據(jù)指針，而列表對(duì)象有一個(gè)額外的間接層，用于保存兩個(gè)數(shù)據(jù)指針的外部數(shù)組。