Jerry Ng 2021-08-10
在 Python 中，有四种内置的数据类型可用于存储数据集合。这些内置数据类型分别是：列表（list）、元组（tuple）、集合（set）和字典（dict），它们各自具有不同的特性和用途。
在本文中，我们将深入探讨 Python 中的列表、元组和集合。我们会详细比较它们之间的区别，并讨论在什么场景下应使用哪种数据类型。
由于字典（Dictionary）通过键（key）关联其对应的值（value），其使用场景与仅包含值的列表、元组和集合有着本质的不同，因此本次讨论将不包括字典。
为简化说明，我将集合（Set）和字典（Dictionary）互换使用，因为它们底层都基于哈希表（Hash Table，也称哈希映射 Hash Map）。
为什么我们需要关心这个问题？
在大多数情况下，这些数据类型在应用程序中可以互换使用而不会造成太大问题。
然而，试想一下：如果我们被要求在一个庞大的“干草堆”（haystack）中查找一根“针”（needle），那么从速度和内存效率的角度来看，最高效的方式是什么？
这个“干草堆”应该用列表（List）吗？还是元组（Tuple）？或者为什么不总是使用集合（Set）（或字典 Dictionary）呢？使用它们时又有哪些需要注意的陷阱？
让我们深入探讨！
列表、元组和集合之间的区别
重复元素（Duplicates）
如果我要打个比方，列表和元组就像是 Python 中的亲兄弟，而集合（或字典）则是它们的表亲。
与列表或元组不同，集合不能包含重复元素。换句话说，集合中的元素是唯一的。
set_example = {1, 1, 2, 3, 3, 3}
# 结果: {1, 2, 3}
fruit_set = {'🍎', '🍓', '🍐', '🍎', '🍎', '🍓'}
# 结果: {'🍎', '🍐', '🍓'}
有了这一认识，我们现在就知道：集合也可以用来从列表中去除重复项！
排序顺序（Sorting Order）
你可能听说过这样一句话：“在 Python 中，集合和字典是无序的。”但这句话如今只说对了一半，具体取决于你使用的 Python 版本。
在 Python 3.6 之前，字典和集合不保留插入顺序。例如，如果你在 Python 3.5 中运行以下代码：
# Python 3.5 中的示例
fruit_size = {}
fruit_size['🍎'] = 12
fruit_size['🍐'] = 16
fruit_size['🍇'] = 20
fruit_size
# 输出可能是: {'🍎': 12, '🍇': 20, '🍐': 16}
💡
小贴士：你可以使用 asdf（pyenv 的替代工具）轻松在不同 Python 版本之间切换。
如今，这一说法已经过时好几年了。从 Python 3.7 开始，字典和集合官方保证按照插入顺序进行排序。
顺便提一句，列表和元组始终是有序的对象序列。
可变性（Mutability）
当我们说一个对象是“可变的”（mutable），其实就是一种花哨的说法，意思是该对象的内部状态可以被修改。
这里的关键区别在于：元组是不可变的（immutable，即不可更改），而列表和集合是可变的。
尽管集合是可变的，但我们无法通过索引或切片来访问或修改集合中的任意元素。因此，我们只能向集合中添加新元素，而不能修改已有元素。
请注意，集合中的 update() 方法仅仅表示可以一次性添加多个元素。
索引（Indexing）
列表和元组都支持索引和切片操作，而集合则不支持。
fruit_list = ['🍎', '🍓', '🍐']
fruit_list[1]
# '🍓'
animal_tuple = ('🐶', '🐱', '🐮')
animal_tuple[2]
# '🐮'
vehicle_set = {'🚐', '🏍', '🚗'}
vehicle_set[0]
# TypeError: 'set' object is not subscriptable（集合对象不支持下标访问）
何时使用列表 vs 元组？
正如前面提到的，元组是不可变的，而列表是可变的。同样地，元组本质上是固定大小的，而列表是动态的。
a_tuple = tuple(range(1000))
a_list = list(range(1000))
a_tuple.__sizeof__() # 8024 字节
a_list.__sizeof__() # 9088 字节
使用列表的情况：
- 当你需要对集合进行修改时。
- 当你需要从集合中删除元素或添加新元素时。
使用元组的情况：
- 如果你的数据不应该（或不需要）被更改。
- 元组比列表更快。如果你定义的是一组常量值，并且唯一要做的就是遍历它，那么应优先使用元组。
- 如果你需要将一组元素用作字典的键（key），可以使用元组。因为列表是可变的（属于不可哈希类型），永远不能作为字典的键。
何时使用集合 vs 列表/元组？
由于集合底层使用哈希表作为其数据结构，因此在检查某个元素是否存在于集合中时（例如 x in a_set），集合的速度非常快。
其原理在于：在哈希表中查找一个项目的时间复杂度是 O(1)（常数时间）。
“那我是不是应该总是使用集合或字典？”
本质上，如果你不需要存储重复元素，那么集合一定比列表更好。就这么简单。
总结
如果你和我一样是个数据性能爱好者，可以看看下面这张关于元组、列表和集合在迭代或检查元素是否存在时的速度对比图。
主要结论如下：
- 如果你需要存储重复元素，请选择列表或元组。
- 在列表和元组之间做选择时，请考虑可变性：如果你需要不可变性，就选择元组。
- 如果你不需要存储重复元素，始终优先选择集合或字典。哈希映射在判断某个对象是否存在于集合（或字典）中时，速度显著更快（例如
x in set_or_dict）。