既然元组是不可变的，为什么切片它们会生成副本而不是视图？

Question

据我了解，元组和字符串是不可变的，可以进行优化，例如重用不会改变的内存。然而，一个明显的优化，使元组切片与原始元组引用相同的内存，并没有包含在 python 中。

我知道这个优化不包括在内，因为当我对以下函数计时时，所花费的时间像 O(n^2) 而不是 O(n)，所以会发生完整的复制：

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

如果实施了这种优化，python 的某些行为会改变吗？即使原始文件是不可变的，复制也会带来一些性能优势吗？

Answer 1

view，您是否想到了与numpy 相同的东西？我很熟悉numpy 这样做的方式和原因。

numpyarray 是一个具有形状和 dtype 信息的对象，外加一个数据缓冲区。您可以在 __array_interface__ 属性中查看此信息。 view 是一个新的 numpy 对象，具有自己的 shape 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（并被垃圾回收），数据缓冲区不会被破坏。

这种视图的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）。视图也允许不同的dtype，所以一个数据缓冲区可以查看4字节整数，或者1字节字符等。

这将如何应用于元组？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。视图将使用相同的数组，但具有自己的开始和结束标记（指针和/或长度）。共享标志呢？垃圾回收？

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 Python 运行中的大多数元组都很小 - 0、1 或 2 个元素。切片是允许的，但它们很常见吗？在小元组还是非常大的元组上？

制作元组切片视图（在 numpy 意义上）会有任何意想不到的后果吗？视图和副本之间的区别是numpy 用户较难掌握的事情之一。由于元组应该是不可变的——即元组中的指针不能更改——实现视图可能对用户是不可见的。但我还是想知道。

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