Python带你从浅入深探究Tuple(基础篇)
元组
Python中的元组容器序列（tuple）与列表容器序列（list）具有极大的相似之处，因此也常被称为不可变的列表。
但是两者之间也有很多的差距，元组侧重于数据的展示，而列表侧重于数据的存储与操作。
它们非常相似，虽然都可以存储任意类型的数据，但是一个元组定义好之后就不能够再进行修改。
元组特性
元组的特点：
- 元组属于容器序列
- 元组属于不可变类型
- 元组底层由顺序存储组成，而顺序存储是线性结构的一种
基本声明
以下是使用类实例化的形式进行对象声明：
tup = tuple((1, 2, 3, 4, 5))
print("值:%r,类型：%r" % (tup, type(tup)))
# 值:(1, 2, 3, 4, 5),类型：<class 'tuple'>
也可以选择使用更方便的字面量形式进行对象声明，使用逗号对数据项之间进行分割：
tup = 1, 2, 3, 4, 5
print("值:%r,类型：%r" % (tup, type(tup)))
# 值:(1, 2, 3, 4, 5),类型：<class 'tuple'>
为了美观，我们一般会在两侧加上()，但是要确定一点，元组定义是逗号分隔的数据项，而并非是()包裹的数据项：
tup = (1, 2, 3, 4, 5)
print("值:%r,类型：%r" % (tup, type(tup)))
# 值:(1, 2, 3, 4, 5),类型：<class 'tuple'>
多维元组
当一个元组中嵌套另一个元组，该元组就可以称为多维元组。
如下，定义一个2维元组：
tup = (1, 2, 3, 4, 5)
print("值:%r,类型：%r" % (tup, type(tup)))
# 值:(1, 2, 3, 4, 5),类型：<class 'tuple'>
续行操作
在Python中，元组中的数据项如果过多，可能会导致整个元组太长，太长的元组是不符合PEP8规范的。
每行最大的字符数不可超过79，文档字符或者注释每行不可超过72
Python虽然提供了续行符\，但是在元组中可以忽略续行符，如下所示：
tup = (1, 2, ("三", "四"))
print("值:%r,类型：%r" % (tup, type(tup)))
# 值:(1, 2, ('三', '四')),类型：<class 'tuple'>
类型转换
元组支持与布尔型、字符串、列表、以及集合类型进行类型转换：
tup = (1, 2, 3)
bTup = bool(tup) # 布尔类型
strTup = str(tup) # 字符串类型
liTup = list(tup) # 列表类型
setTup = set(tup) # 集合类型
print("值:%r,类型：%r" % (bTup, type(bTup)))
print("值:%r,类型：%r" % (strTup, type(strTup)))
print("值:%r,类型：%r" % (liTup, type(liTup)))
print("值:%r,类型：%r" % (setTup, type(setTup)))
# 值:True,类型：<class 'bool'>
# 值:'(1, 2, 3)',类型：<class 'str'>
# 值:[1, 2, 3],类型：<class 'list'>
# 值:{1, 2, 3},类型：<class 'set'>
如果一个2维元组遵循一定的规律，那么也可以将其转换为字典类型：
tup = (("k1", "v1"), ("k2", "v2"), ("k3", "v3"))
dictTuple = dict(tup)
print("值:%r,类型：%r" % (dictTuple, type(dictTuple)))
# 值:{'k1': 'v1', 'k2': 'v2', 'k3': 'v3'},类型：<class 'dict'>
索引操作
元组的索引操作仅支持获取数据项。
其他的任意索引操作均不被支持。
使用方法参照列表的索引切片一节。
绝对引用
元组拥有绝对引用的特性，无论是深拷贝还是浅拷贝，都不会获得其副本，而是直接对源对象进行引用。
但是列表没有绝对引用的特性，代码验证如下：
>>> import copy >>> # 列表的深浅拷贝均创建新列表... >>> oldLi = [1, 2, 3] >>> id(oldLi) 4542649096 >>> li1 = copy.copy(oldLi) >>> id(li1) 4542648840 >>> li2 = copy.deepcopy(oldLi) >>> id(li2) 4542651208 >>> # 元组的深浅拷贝始终引用老元组 >>> oldTup = (1, 2, 3) >>> id(oldTup) 4542652920 >>> tup1 = copy.copy(oldTup) >>> id(tup1) 4542652920 >>> tup2 = copy.deepcopy(oldTup) >>> id(tup2) 4542652920
Python为何要这样设计？其实仔细想想不难发现，元组不能对其进行操作，仅能获取数据项。
那么也就没有生成多个副本提供给开发人员操作的必要了，因为你修改不了元组，索性直接使用绝对引用策略。
值得注意的一点：[:]也是浅拷贝，故对元组来说属于绝对引用范畴。
元组的陷阱
Leonardo Rochael在2013年的Python巴西会议提出了一个非常具有思考意义的问题。
我们先来看一下：
>>> t = (1, 2, [30, 40]) >>> t[-1] += [50, 60] Traceback (most recent call last): File "<stdin>", line 1, in <module> TypeError: 'tuple' object does not support item assignment
现在，t到底会发生下面4种情况中的哪一种？
- t 变成 (1, 2, [30, 40, 50, 60])。
- 因为 tuple 不支持对它的数据项赋值，所以会抛出 TypeError 异常。
- 以上两个都不是。a 和 b 都是对的。
正确答案是4，t确实会变成 (1, 2, [30, 40, 50, 60])，但同时元组是不可变类型故会引发TypeError异常的出现。
>>> t (1, 2, [30, 40, 50, 60])
如果是使用extend()对t[-1]的列表进行数据项的增加，则答案会变成1。
我当初在看了这个问题后，暗自告诉自己了2件事情：
- list的数据项增加尽量不要使用+=，而应该使用append()或者extend()
Ps：我也不知道自己为什么会产生这样的想法，但这个想法确实伴随我很长时间，直至现在
- tuple中不要存放可变类型的数据，如list、set、dict等..
元组更多的作用是展示数据，而不是操作数据。
举个例子，当用户根据某个操作获取到了众多数据项之后，你可以将这些数据项做出元组并返回。
用户对被返回的原对象只能看，不能修改，若想修改则必须创建新其他类型对象。
解构方法
元组的解构方法与列表使用相同。
使用方法参照列表的解构方法一节。
常用方法
方法一览
常用的list方法一览表：
基础公用函数：
获取长度
使用len()方法来获取元组的长度。
返回int类型的值。
tup = ("A", "B", "C", "D", "E", "F", "G")
print(len(tup))
# 7
Python在对内置的数据类型使用len()方法时，实际上是会直接的从PyVarObject结构体中获取ob_size属性，这是一种非常高效的策略。
PyVarObject是表示内存中长度可变的内置对象的C语言结构体。
直接读取这个值比调用一个方法要快很多。
统计次数
使用count()方法统计数据项在该元组中出现的次数。
返回int：
tup = ("A", "B", "C", "D", "E", "F", "G", "A")
aInTupCount = tup.count("A")
print(aInTupCount)
# 2
查找位置
使用index()方法找到数据项在当前元组中首次出现的位置索引值，如数据项不存在则抛出异常。
返回int。
tup = ("A", "B", "C", "D", "E", "F", "G", "A")
aInTupIndex = tup.index("A")
print(aInTupIndex)
# 0
底层探究
内存开辟
Python内部实现中，列表和元组还是有一定的差别的。
元组在创建对象申请内存的时候，内存空间大小便进行了固定，后续不可更改（如果是传入了一个可迭代对象，例如tupe(range(100))，这种情况会进行扩容与缩容，下面的章节将进行探讨研究）。
而列表在创建对象申请内存的时候，内存空间大小不是固定的，如果后续对其新增或删除数据项，列表会进行扩容或者缩容机制。
元组创建
空元组
若创建一个空元组，会直接进行创建，然后将这个空元组丢到缓存free_list中。
元组的free_list最多能缓存 20 * 2000 个元组，这个在下面会进行讲解。
如图所示：
元组转元组
这样的代码会进行元组转元组：
tup = tuple((1, 2, 3))
首先内部本身就是一个元组（1， 2， 3），所以会直接将内部的这个元组拿出来并返回引用，并不会再次创建。
代码验证：
>>> oldTup = (1, 2, 3) >>> id(oldTup) 4384908128 >>> newTup = tuple(oldTup) >>> id(newTup) 4384908128 >>>
列表转元组
列表转元组会将列表中的每一个数据项都拿出来，然后放入至元组中：
tup = tuple([1, 2, 3])
所以你会发现，列表和元组中的数据项引用都是相同的：
>>> li1 = ["A", "B", "C"] >>> tup = tuple(li1) >>> print(id(li1[0])) 4383760656 >>> print(id(tup[0])) 4383760656 >>>
可迭代对象转元组
可迭代对象是没有长度这一概念的，如果是可迭代对象转换为元组，会先对可迭代对象的长度做一个猜想。
并且根据这个猜想，为元组开辟一片内存空间，用于存放可迭代对象的数据项。
然后内部会获取可迭代对象的迭代器，对其进行遍历操作，拿出数据项后放至元组中。
如果猜想的长度太小，会导致元组内部的内存不够存放下所有的迭代器数据项，此时该元组会进行内部的扩容机制，直至可迭代对象中的数据项全部被添加至元组中。
rangeObject = range(1, 101) tup = tuple(rangeObject) // 假如猜想的是9 // 第一步：+ 10 // 第二步：+ (原长度+10) * 0.25 // 其实，就是增加【原长度*0.25 + 2.5】
如果猜想的长度太大，而实际上迭代器中的数据量偏少，则需要对该元组进行缩容。
切片取值
对元组进行切片取值的时候，会开辟一个新元组用于存放切片后得到的数据项。
tup = (1, 2, 3) newSliceTup = tup[0:2]
当然，如果是[:]的操作，则参照绝对引用，直接返回被切片的元组引用。
代码验证：
>>> id(tup) 4384908416 >>> newSliceTup = tup[0:2] >>> id(newSliceTup) 4384904392
缓存机制
free_list缓存
元组的缓存机制和列表的缓存机制不同。
元组的free_list会缓存0 - 19长度的共20种元组，其中每一种长度的元组通过单向链表横向扩展缓存至2000个，如下图所示：
当每一次的del操作有数据项的元组时，都会将该元组数据项清空并挂载至free_list单向链表的头部的位置。
del 元组1 del 元组2 del 元组3
如下图所示：
当要创建一个元组时，会通过创建元组的长度，从free_list单向链表的头部取出一个元组，然后将数据项存放进去。
前提是free_list单向链表中缓存的有该长度的元组。
tup = (1, 2, 3)
空元组与非空元组的缓存
空元组的缓存是一经创建就缓存到free_list单向链表中。
而非空元组的缓存必须是del操作后才缓存到free_list单向链表中。
空元组的创建
第一次创建空元组后，空元组会缓存至free_list单向链表中。
以后的每一次空元组创建，返回的其实都是同一个引用，也就是说空元组在free_list单向链表中即使被引用了也不会被销毁。
>>> t1 = () >>> id(t1) 4511088712 >>> t2 = () >>> id(t2) 4511088712
非空元组的创建
当free_list单向链表中有相同长度的元组时，会进行引用并删除。
这个在上图中已经示例过了，就是这个：
代码示例：
$ python3 Python 3.6.8 (v3.6.8:3c6b436a57, Dec 24 2018, 02:04:31) [GCC 4.2.1 Compatible Apple LLVM 6.0 (clang-600.0.57)] on darwin Type "help", "copyright", "credits" or "license" for more information. >>> v1 = (None, None, None) >>> id(v1) 4384907696 >>> v2 = (None, None, None) >>> id(v2) 4384908056 >>> del v1 >>> del v2 # ① >>> v3 = (None, None, None) >>> id(v3) # ② 4384908056 >>> v4 = (None, None, None) >>> id(v4) # ③ 4384907696 >>>
①：free_list num_free=3 单向链表结构：v2 —> v1
②：创建了v3，拿出v2的空元组，填入v3数据项，故v2和v3的id值相等，证明引用同一个元组，此时free_list num_free=3 单向链表结构为：—> v1
③：创建了v4，拿出v1的空元组，填入v4数据项，故v1和v4的id值相等，证明引用同一个元组
tupleobject.c源码
官网参考：点我跳转
源码一览：点我跳转
以下是截取了一些关键性源代码，并且做上了中文注释，方便查阅。
每一个元组都有几个关键性的属性：
Py_ssize_t ob_refcnt; // 引用计数器 Py_ssize_t ob_size; // 数据项个数，即元组大小 PyObject *ob_item[1]; // 存储元组中的数据项 [指针, ]
关于缓存free_list的属性：
PyTuple_MAXSAVESIZE // 相当于图中的 free_num ，最大20，即纵向扩展的缓存元组长度 PyTuple_MAXFREELIST // 图中 free_list 的横向扩展缓存列表个数，最大2000
创建元组
空元组
PyObject *
PyTuple_New(Py_ssize_t size)
{
PyTupleObject *op;
// 缓存相关
Py_ssize_t i;
// 元组的大小不能小于0
if (size < 0) {
PyErr_BadInternalCall();
return NULL;
}
#if PyTuple_MAXSAVESIZE > 0
// 创建空元组，优先从缓存中获取
// size = 0 表示这是一个空元组，从free_list[0]中获取空元组
if (size == 0 && free_list[0]) {
// op就是空元组
op = free_list[0];
// 新增空元组引用计数器 + 1
Py_INCREF(op);
#ifdef COUNT_ALLOCS
tuple_zero_allocs++;
#endif
// 返回空元组的指针
return (PyObject *) op;
}
// 如果创建的不是空元组，且这个创建的元组数据项个数小于20，并且free_list[size]不等于空，表示有缓存
// 则从缓存中去获取，不再重新开辟内存
if (size < PyTuple_MAXSAVESIZE && (op = free_list[size]) != NULL) {
// 拿出元组
free_list[size] = (PyTupleObject *) op->ob_item[0];
// num_free减1
numfree[size]--;
#ifdef COUNT_ALLOCS
fast_tuple_allocs++;
#endif
/* Inline PyObject_InitVar */
// 初始化，定义这个元组的长度为数据项个数
#ifdef Py_TRACE_REFS
Py_SIZE(op) = size;
// 定义类型为 tuple
Py_TYPE(op) = &PyTuple_Type;
#endif
// 增加一次新的引用
_Py_NewReference((PyObject *)op);
}
// 如果是空元组
else
#endif
{
// 检查内存情况，是否充足
/* Check for overflow */
if ((size_t)size > ((size_t)PY_SSIZE_T_MAX - sizeof(PyTupleObject) -
sizeof(PyObject *)) / sizeof(PyObject *)) {
return PyErr_NoMemory();
}
// 开辟内存，并获得一个元组：op
op = PyObject_GC_NewVar(PyTupleObject, &PyTuple_Type, size);
if (op == NULL)
return NULL;
}
// 空元组的每一个槽位都是NULL
for (i=0; i < size; i++)
op->ob_item[i] = NULL;
#if PyTuple_MAXSAVESIZE > 0
// 缓存空元组
if (size == 0) {
free_list[0] = op;
++numfree[0];
Py_INCREF(op); /* extra INCREF so that this is never freed */
}
#endif
#ifdef SHOW_TRACK_COUNT
count_tracked++;
#endif
// 将元组加入到GC机制中，用于内存管理
_PyObject_GC_TRACK(op);
return (PyObject *) op;
}
可迭代对象转元组
这个不在tupleobject.c源码中，而是在abstract.c源码中。
官网参考：点我跳转
源码一览：点我跳转
PyObject *
PySequence_Tuple(PyObject *v)
{
PyObject *it; /* iter(v) */
Py_ssize_t n; /* guess for result tuple size */
PyObject *result = NULL;
Py_ssize_t j;
if (v == NULL) {
return null_error();
}
/* Special-case the common tuple and list cases, for efficiency. */
// 如果是元组转换元组，如 tup = (1, 2, 3) 或者 tup = ((1, 2, 3))直接返回内存地址
if (PyTuple_CheckExact(v)) {
Py_INCREF(v);
return v;
}
// 如果是列表转换元组，则执行PyList_AsTuple()，将列表转换为元组
// 如 tup = ([1, 2, 3])
if (PyList_CheckExact(v))
return PyList_AsTuple(v);
/* Get iterator. */
// 获取迭代器， tup = (range(1, 4).__iter__())
it = PyObject_GetIter(v);
if (it == NULL)
return NULL;
/* Guess result size and allocate space. */
// 猜想迭代器长度，也就是猜一下有多少个数据项
n = PyObject_LengthHint(v, 10);
if (n == -1)
goto Fail;
// 根据猜想的迭代器长度，进行元组的内存开辟
result = PyTuple_New(n);
if (result == NULL)
goto Fail;
/* Fill the tuple. */
// 将迭代器中每个数据项添加至元组中
for (j = 0; ; ++j) {
PyObject *item = PyIter_Next(it);
if (item == NULL) {
if (PyErr_Occurred())
goto Fail;
break;
}
//如果迭代器中数据项比猜想的多，则证明开辟内存不足需要需要进行扩容
if (j >= n) {
size_t newn = (size_t)n;
/* The over-allocation strategy can grow a bit faster
than for lists because unlike lists the
over-allocation isn't permanent -- we reclaim
the excess before the end of this routine.
So, grow by ten and then add 25%.
*/
// 假如猜想的是9
// 第一步：+ 10
// 第二步：+ (原长度+10) * 0.25
// 其实，就是增加【原长度*0.25 + 2.5】
newn += 10u;
newn += newn >> 2;
// 判断是否超过了元组的数据项个数限制（sys.maxsize）
if (newn > PY_SSIZE_T_MAX) {
/* Check for overflow */
PyErr_NoMemory();
Py_DECREF(item);
goto Fail;
}
n = (Py_ssize_t)newn;
// 扩容机制
if (_PyTuple_Resize(&result, n) != 0) {
Py_DECREF(item);
goto Fail;
}
}
// 将数据项放入元组之中
PyTuple_SET_ITEM(result, j, item);
}
/* Cut tuple back if guess was too large. */
// 如果猜想的数据项太多，而实际上迭代器中的数据量偏少
// 则需要对该元组进行缩容
if (j < n &&
_PyTuple_Resize(&result, j) != 0)
goto Fail;
Py_DECREF(it);
return result;
Fail:
Py_XDECREF(result);
Py_DECREF(it);
return NULL;
}
列表转元组
这个不在tupleobject.c源码中，而是在listobject.c源码中。
官网参考：点我跳转
源码一览：点我跳转
PyObject *
PyList_AsTuple(PyObject *v)
{
PyObject *w;
PyObject **p, **q;
Py_ssize_t n;
// 例如：tup = ([1, 2, 3])
// 进行列表的验证
if (v == NULL || !PyList_Check(v)) {
PyErr_BadInternalCall();
return NULL;
}
// 获取大小，即数据项个数
n = Py_SIZE(v);
// 开辟内存
w = PyTuple_New(n);
// 如果是空元组
if (w == NULL)
return NULL;
// 执行迁徙操作
p = ((PyTupleObject *)w)->ob_item;
q = ((PyListObject *)v)->ob_item;
// 将列表中数据项的引用，也给元组进行引用
// 这样列表中数据项和元组中的数据项都引用同1个对象
while (--n >= 0) {
// 数据项引用计数 + 1
Py_INCREF(*q);
*p = *q;
p++;
q++;
}
// 返回元组
return w;
}
切片取值
PyObject *
PyTuple_GetSlice(PyObject *op, Py_ssize_t i, Py_ssize_t j)
// 切片会触发该方法
{
// 如果对空元组进行切片，则会抛出异常
if (op == NULL || !PyTuple_Check(op)) {
PyErr_BadInternalCall();
return NULL;
}
// 内部的具体实现方法
return tupleslice((PyTupleObject *)op, i, j);
}
static PyObject *
tupleslice(PyTupleObject *a, Py_ssize_t ilow,
Py_ssize_t ihigh)
{
PyTupleObject *np;
PyObject **src, **dest;
Py_ssize_t i;
Py_ssize_t len;
// 计算索引位置
if (ilow < 0)
ilow = 0;
if (ihigh > Py_SIZE(a))
ihigh = Py_SIZE(a);
if (ihigh < ilow)
ihigh = ilow;
// 如果是[:]的操作，则直接返回源元组对象a的指针，即绝对引用
if (ilow == 0 && ihigh == Py_SIZE(a) && PyTuple_CheckExact(a)) {
Py_INCREF(a);
return (PyObject *)a;
}
// 初始化新的切片对象元组长度
len = ihigh - ilow;
// 开始切片，创建了一个新元组np
np = (PyTupleObject *)PyTuple_New(len);
if (np == NULL)
return NULL;
src = a->ob_item + ilow;
dest = np->ob_item;
// 对源元组中的数据项的引用计数+1
for (i = 0; i < len; i++) {
PyObject *v = src[i];
Py_INCREF(v);
dest[i] = v;
}
// 返回切片对象新元组np的引用
return (PyObject *)np;
}
缓存相关
static void
tupledealloc(PyTupleObject *op)
{
Py_ssize_t i;
Py_ssize_t len = Py_SIZE(op);
PyObject_GC_UnTrack(op);
Py_TRASHCAN_SAFE_BEGIN(op)
// 如果元组的长度大于0，则不是一个非空元组
if (len > 0) {
i = len;
// 将内部的数据项引用计数都 - 1
while (--i >= 0)
Py_XDECREF(op->ob_item[i]);
#if PyTuple_MAXSAVESIZE > 0
// 准备缓存，判断num_free是否小于20，并且单向链表中的已缓存元组个数小于2000
if (len < PyTuple_MAXSAVESIZE &&
numfree[len] < PyTuple_MAXFREELIST &&
Py_TYPE(op) == &PyTuple_Type)
{
// 添加至链表头部
op->ob_item[0] = (PyObject *) free_list[len];
// 将num_free + 1
numfree[len]++;
free_list[len] = op;
goto done; /* return */
}
#endif
}
// 内存中进行销毁
Py_TYPE(op)->tp_free((PyObject *)op);
done:
Py_TRASHCAN_SAFE_END(op)
}
以上就是老Python带你从浅入深探究Tuple的详细内容，更多关于Python Tuple的资料请关注hwidc其它相关文章！