元组在Python中占用更少的内存空间:
>>> a = (1,2,3)
>>> a.__sizeof__()
48
而列表需要更多的内存空间:
>>> b = [1,2,3]
>>> b.__sizeof__()
64
Python内存管理内部会发生什么?
解决方法:
我假设您正在使用CPython和64位(我在CPython 2.7 64位上获得了相同的结果).在其他Python实现中可能存在差异,或者如果您有32位Python.
无论实现如何,列表都是可变大小的,而元组是固定大小的.
因此元组可以直接在结构中存储元素,另一方面,列表需要一个间接层(它存储指向元素的指针).这个间接层是一个指针,在64位系统上是64位,因此是8字节.
但列表还有另一件事:它们过度分配.否则list.append将始终是O(n)操作 – 使其分摊O(1)(快得多!!!)它过度分配.但现在它必须跟踪分配的大小和填充的大小(元组只需要存储一个大小,因为分配和填充的大小总是相同).这意味着每个列表必须存储另一个“大小”,在64位系统上是64位整数,再为8个字节.
因此列表需要比元组多至少16个字节的内存.为什么我说“至少”?因为过度分配.过度分配意味着它分配的空间超出了需要.但是,过度分配的数量取决于您创建列表的“方式”以及追加/删除历史记录:
>>> l = [1,2,3]
>>> l.__sizeof__()
64
>>> l.append(4) # triggers re-allocation (with over-allocation), because the original list is full
>>> l.__sizeof__()
96
>>> l = []
>>> l.__sizeof__()
40
>>> l.append(1) # re-allocation with over-allocation
>>> l.__sizeof__()
72
>>> l.append(2) # no re-alloc
>>> l.append(3) # no re-alloc
>>> l.__sizeof__()
72
>>> l.append(4) # still has room, so no over-allocation needed (yet)
>>> l.__sizeof__()
72
图片
我决定创建一些图像以配合上面的解释.也许这些都很有帮助
这是(示意性地)在您的示例中存储在内存中的方式.我强调了红色(*手)循环的差异:
这实际上只是一个近似值,因为int对象也是Python对象,CPython甚至可以重用小整数,因此内存中对象的一个可能更精确的表示(尽管不是可读的)将是:
有用的链接:
> tuple
struct in CPython repository for Python 2.7
> list
struct in CPython repository for Python 2.7
> int
struct in CPython repository for Python 2.7
请注意__sizeof__并没有真正返回“正确”的大小!它只返回存储值的大小.但是,当您使用sys.getsizeof
时,结果会有所不同:
>>> import sys
>>> l = [1,2,3]
>>> t = (1, 2, 3)
>>> sys.getsizeof(l)
88
>>> sys.getsizeof(t)
72
有24个“额外”字节.这些是真实的,这是__sizeof__方法中没有考虑的垃圾收集器开销.那是因为你通常不应该直接使用魔术方法 – 使用知道如何处理它们的函数,在这种情况下:sys.getsizeof
(实际上是adds the GC overhead到__sizeof__返回的值).