python - 由于元组是不可变的，为什么切片它们会生成副本而不是 View ？

Question

据我所知，元组和字符串是不可变的，以允许优化，例如重用不会改变的内存。然而，一个明显的优化，使元组的切片引用与原始元组相同的内存，并没有包含在 python 中。

我知道此优化不包括在内，因为当我对以下函数计时时，所用时间类似于 O(n^2) 而不是 O(n)，因此正在进行完全复制:

def test(n):
    tup = tuple(range(n))
    for i in xrange(n):
        tup[0:i]

如果实现此优化，python 的某些行为是否会发生变化？即使原始文件不可变，复制是否也有一些性能优势？

Answer 1

通过 view，您是否正在考虑与 numpy 所做的等效的事情？我很熟悉 numpy 是如何以及为什么这样做的。

numpy array 是一个对象，具有形状和 dtype 信息，外加一个数据缓冲区。您可以在 __array_interface__ 属性中看到此信息。 view 是一个新的 numpy 对象，具有自己的形状属性，但具有指向源缓冲区中某个位置的新数据缓冲区指针。它还有一个标志，上面写着“我不拥有缓冲区”。 numpy 还维护自己的引用计数，因此如果原始(所有者)数组被删除(并被垃圾收集)，数据缓冲区不会被破坏。

View 的这种使用可以节省大量时间，尤其是对于非常大的数组(关于内存错误的问题在 SO 上很常见)。 View 还允许不同的 dtype，因此可以以 4 字节整数或 1 字节字符等方式查看数据缓冲区。

这如何应用于元组？我的猜测是它需要很多额外的行李。元组由一组固定的对象指针组成——可能是一个 C 数组。 View 将使用相同的数组，但有自己的开始和结束标记(指针和/或长度)。共享标志怎么样？垃圾收集？

元组的典型大小和用途是什么？元组的一个常见用途是将参数传递给函数。我的猜测是，典型的 Python 运行中的大多数元组都很小——只有 0、1 或 2 个元素。切片是允许的，但它们很常见吗？在小元组上还是在非常大的元组上？

制作元组切片 View (在 numpy 意义上)会不会有任何意想不到的后果？ View 和副本之间的区别是 numpy 用户最难掌握的事情之一。由于元组应该是不可变的 - 即元组中的指针不能更改 - 实现 View 可能对用户不可见。但我还是想知道。

在 PyPy 版本的分支上尝试这个想法可能最有意义 - 除非你真的想深入研究 Cpython 代码。或者作为 Cython 的自定义类。