杂谈

元组 是python开发中经常被忽略的一种类型，特别是初学者会疑惑：明明有更好用的 列表 不用，要它有甚用？

这就导致很多初学者就像公司领导层感觉手下一名 牛马 无大用，大手一挥，弃之不用给优化了。

这 “牛马” 真的毫无用处吗？难道 列表 这个 “同事” 真就这么好用，元组 就应该被 辞退 吗？

错了，我们都错了，其实 元组 它一直在默默付出，在其 “岗位” 上发光发热！

一、元组与列表的不同

其实 元组和列表 确实太像了，导致在使用它们的时候，也经常分不清楚彼此，但它们确实存在不同，且不同中最重要就是 元组不可变。

二、元组的不可代替性

元组 是不可代替的，它虽然与 列表 存在大量的相似性，但谁也不能弃之不用，它的优势是 列表无法替代的。

2.1 内存空间占用更小

关于这一点，其实最直观的就是看代码，请各位看官往下瞅：

import sys

list_data = [i for i in range(1000000)]
tuple_data = tuple(list_data)

# 列表占用 8448728
print(f'列表占用 {sys.getsizeof(list_data)}')
# 元组占用 8000040
print(f'元组占用 {sys.getsizeof(tuple_data)}')

代码测试中一目了然，元组 的内存占用更小，主要原因是 列表 需要动态修改，因此会预留空间来完成修改操作。

2.2 更安全

元组 是不可变的，它的数据一旦定型，那么就无法进行修改；而 列表 能够动态修改，因此你获取到的 列表 数据可能已经发生了改变。

话虽然说的这么明白了，但我想很多初学者还是不明白：这什么场景会遇到呢？

确实，光看知识点根本想不出到底什么时候会有安全性问题，还好小卡在日常开发中确实遇到过类似的问题，今天分享出来。

不安全的场景

小卡和另外一位同事在协同开发一个系统时，同事需要将一个 数据序列 发送给我，以便分析使用。

在最开始的时候，我们使用 列表 传输，由于开发初期数据量少，我便在接收后便将这个 数据序列 用 append() 将随机数补充到 列表 中，以便代码测试使用：

import random


def analyse(data: list = []):
    # 补充数据，以便测试使用
    for i in range(100):
        data.append(random.uniform(-1, 1))

    ...

后来系统正式上线后，由于开发时间过长，已经忘记这个事情，导致传递过来的 真实数据 被插入异常的 随机数，导致分析经常发生错误。

这就是 列表 带来的安全问题，后来我和同事后续就以 元组 为数据类型进行传递，并且添加 DEBUG 全局变量以进行测试：

import random

DEBUG = True


def analyse(data: tuple = ()):
    # 补充数据，以便测试使用
    if DEBUG:
        data = tuple([random.uniform(-1, 1) for _ in range(100)])

    ...

2.3 可哈希

关于可哈希这一点很多初学者可能犯迷糊，什么叫 可哈希？

其实 可哈希 很好理解，就是能够生成一个 唯一确定 的值。

更通俗的例子是 字典的键 就是可生成为哈希值，能成为字典的键，即为 可哈希。

tuple_key = (1, 2)
list_key = [2, 3]

# {(1, 2): 1}
data_dict1 = {
    tuple_key: 1
}

# 报错：TypeError: unhashable type: 'list'
data_dict2 = {
    list_key: 1
}

2.4 函数/方法返回多个值

这个或许是 元组 最常用的场景了，且无法被其他类型可替代。

def test():
    return 1, 2, 3


a, b, c = test()

# a: 1 b: 2 c: 3
print(f'a: {a} b: {b} c: {c}')

一个函数/方法想要返回多个返回值，只要依次用 英文逗号 隔开即可，而这就是应用了 元组，因此如何你的程序运用到这个方式，绝对离不开 元组 的支持。

三、 总结

元组 绝对是所有基础类型中最容易被 忽视 的那一个，虽然它的同事 列表 因其强大的能力被开发者所喜爱，但因为 元组，程序才能更加健全！