Python 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？

据我所知，元组和字符串是不可变的，以允许优化，例如重复使用不会改变的内存。然而，python中没有包含一个明显的优化，即使元组片段引用与原始元组相同的内存

我知道这个优化没有包括在内，因为当我计算以下函数的时间时，所花费的时间是O（n^2）而不是O（n），所以完全复制正在进行：

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

---

如果实现了此优化，python的某些行为是否会改变？即使原始文件是不可变的，复制也会带来一些性能上的好处吗？

通过

查看

，您是否想到了与

numpy

相同的功能？我很熟悉numpy是如何以及为什么这样做的

numpy

array

是一个具有形状和数据类型信息的对象，外加一个数据缓冲区。您可以在

\uuu数组\u接口\uu

属性中看到此信息。

视图是一个新的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，因此如果删除（并垃圾收集）原始（所有者）数组，数据缓冲区不会被破坏

视图的这种使用可以大大节省时间，特别是对于非常大的阵列（关于内存错误的问题很常见）。视图还允许不同的
dtype
，因此可以以4字节整数或1字节字符等格式查看数据缓冲区

这将如何应用于元组？我猜这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，但有自己的开始和结束标记（指针和/或长度）。共享旗帜怎么样？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，在一个典型的Python运行中，大多数元组都是小的-0、1或2元素。切片是允许的，但它们很常见吗？小元组还是大元组

制作元组切片视图（在numpy意义上）会有任何意外的后果吗？视图和副本之间的区别是
numpy
用户很难掌握的事情之一。由于元组被认为是不可变的（即元组中的指针不能更改），因此实现视图可能对用户不可见。但我还是想知道

在
PyPy
版本的一个分支上尝试这个想法可能是最有意义的——除非您真的喜欢深入研究
Cpython
代码。或者作为一个自定义类，使用
Cython
有时答案是“因为还没有人花时间完全实现它”。提交一个请求：）正如您所指出的，这可能是减少复制量之间的折衷，减少原始元组的引用计数，以便可以更早地对其进行垃圾收集；如果创建视图具有（相对）较大的固定成本，我不会感到惊讶。相关：