Python 使用'时的元组或列表；在'；在'；如果'；条款

哪种方法更好？使用元组，如：

if number in (1, 2):

或者一个列表，比如：

if number in [1, 2]:

推荐哪一种用于此类用途以及原因（逻辑和性能方面）

CPython解释器将第二种形式替换为第一种形式

这是因为从常量加载元组是一个操作，但列表将是3个操作；加载两个整数内容并构建一个新的列表对象

由于您使用的是无法访问的列表文字，因此它将替换为元组：

>>> import dis
>>> dis.dis(compile('number in [1, 2]', '<stdin>', 'eval'))
  1           0 LOAD_NAME                0 (number)
              3 LOAD_CONST               2 ((1, 2))
              6 COMPARE_OP               6 (in)
              9 RETURN_VALUE        

这里，长度为N的列表对象需要N+1个步骤

这种替代是一种特定于CPython的窥视孔优化；看。对于其他Python实现，您希望使用不可变对象

也就是说，在使用Python 3.2及更高版本时，最好的选择是使用set-literal：

由于窥视孔优化程序将用

frozenset（）

对象替换该对象，因此针对集合的成员资格测试是O（1）常量操作：

>>> dis.dis(compile('number in {1, 2}', '<stdin>', 'eval'))
  1           0 LOAD_NAME                0 (number)
              3 LOAD_CONST               2 (frozenset({1, 2}))
              6 COMPARE_OP               6 (in)
              9 RETURN_VALUE

---

第三个选项：

set

（具有更快的成员资格测试）。CPython将进行一些内部优化，并将列表文本存储为元组…第四个选项：

frozenset

，其成员资格测试成本与set相同，

O（1）

，但因为它是不可变的，python解释器知道它需要分配的哈希表的确切大小，而不是为其他元素留出空间。@Icardor:但仅在python 3中；在Python2中使用set literal或

frozenset（[…]）

表达式意味着必须首先创建对象，这是一个比针对等长元组的成员资格测试更昂贵的操作。@sapam:在这种情况下，简单的相等测试将击败这两个测试。这里需要考虑平均成本，而不是最佳情况。对于2个或更多元素，该组将获胜。假设它是一个用字节码存储的常量。我听说有一位著名的Python专家提供了一些youtube视频，解释了（C）Python可以做的所有优化…：p@JonClements：有些，不是全部-P@IceArdor：否，因为构建该集的成本大于针对元组进行测试的成本。元组测试是O（N）最坏的情况，而创建集合的成本保证为O（N）加上成员测试。这与文字语法无关，这与优化器识别您可以用

frozenset

常量替换集合有关。许多真正关心效率的Python程序将预构建匹配的数据结构、regexp等。因此，如果

ACCEPTABLE={1,2}

是预定义的（作为全局或幻影kwarg），那么唯一的开销是测试，而不是测试对象的构造。@endolith:Set文本更好。我的答案中的timeit测试表明，在最坏的情况下，它们比使用元组更快，在最好的情况下，它们几乎是等价的。这是因为集合不需要比较每个元素。

if number in {1, 2}:

>>> dis.dis(compile('number in {1, 2}', '<stdin>', 'eval'))
  1           0 LOAD_NAME                0 (number)
              3 LOAD_CONST               2 (frozenset({1, 2}))
              6 COMPARE_OP               6 (in)
              9 RETURN_VALUE

>>> import timeit
>>> timeit.timeit('1 in (1, 3, 5)', number=10**7)  # best-case for tuples
0.21154764899984002
>>> timeit.timeit('8 in (1, 3, 5)', number=10**7)  # worst-case for tuples
0.5670104179880582
>>> timeit.timeit('1 in {1, 3, 5}', number=10**7)  # average-case for sets
0.2663505630043801
>>> timeit.timeit('8 in {1, 3, 5}', number=10**7)  # worst-case for sets
0.25939063701662235