Podsumowanie
Krotki mają zwykle lepsze wyniki niż listy w prawie każdej kategorii:
1) Krotki można składać na stałe .
2) Krotki można ponownie wykorzystać zamiast kopiować.
3) Krotki są kompaktowe i nie nadmiernie przydzielają.
4) Krotki odnoszą się bezpośrednio do swoich elementów.
Krotki można składać na stałe
Krotki stałych mogą być wstępnie obliczone przez optymalizator wizjera Pythona lub optymalizator AST. Z drugiej strony listy są tworzone od zera:
>>> 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
Krotki nie muszą być kopiowane
Uruchomienie tuple(some_tuple)natychmiast wraca. Ponieważ krotki są niezmienne, nie trzeba ich kopiować:
>>> a = (10, 20, 30)
>>> b = tuple(a)
>>> a is b
True
Z drugiej strony list(some_list)wymaga skopiowania wszystkich danych na nową listę:
>>> a = [10, 20, 30]
>>> b = list(a)
>>> a is b
False
Krotki nie przydzielają nadmiernie
Ponieważ rozmiar krotki jest stały, może być przechowywany w bardziej zwarty sposób niż listy, które muszą zostać nadmiernie przydzielone, aby operacje append () były wydajne.
Daje to krotkom niezłą przewagę przestrzenną:
>>> import sys
>>> sys.getsizeof(tuple(iter(range(10))))
128
>>> sys.getsizeof(list(iter(range(10))))
200
Oto komentarz Objects / listobject.c, który wyjaśnia, co robią listy:
/* 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.
*/
Krotki odnoszą się bezpośrednio do ich elementów
Odwołania do obiektów są wbudowane bezpośrednio w krotkę. Natomiast listy mają dodatkową warstwę pośrednią w stosunku do zewnętrznego zestawu wskaźników.
Daje to krotkom niewielką przewagę prędkości podczas indeksowanych wyszukiwań i rozpakowywania:
$ 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
Oto jak (10, 20)przechowywana jest krotka :
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;
Oto jak [10, 20]przechowywana jest lista :
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;
Zauważ, że obiekt krotki zawiera dwa wskaźniki danych bezpośrednio, podczas gdy obiekt listy ma dodatkową warstwę pośrednią względem zewnętrznej tablicy zawierającej dwa wskaźniki danych.