dis モジュールは、関数のバイトコードを逆アセンブルし、タプルとリストの違いを確認するのに役立ちます。
この場合、要素にアクセスすると同一のコードが生成されますが、タプルの割り当てはリストの割り当てよりもはるかに高速であることがわかります。
>>> def a():
... x=[1,2,3,4,5]
... y=x[2]
...
>>> def b():
... x=(1,2,3,4,5)
... y=x[2]
...
>>> import dis
>>> dis.dis(a)
2 0 LOAD_CONST 1 (1)
3 LOAD_CONST 2 (2)
6 LOAD_CONST 3 (3)
9 LOAD_CONST 4 (4)
12 LOAD_CONST 5 (5)
15 BUILD_LIST 5
18 STORE_FAST 0 (x)
3 21 LOAD_FAST 0 (x)
24 LOAD_CONST 2 (2)
27 BINARY_SUBSCR
28 STORE_FAST 1 (y)
31 LOAD_CONST 0 (None)
34 RETURN_VALUE
>>> dis.dis(b)
2 0 LOAD_CONST 6 ((1, 2, 3, 4, 5))
3 STORE_FAST 0 (x)
3 6 LOAD_FAST 0 (x)
9 LOAD_CONST 2 (2)
12 BINARY_SUBSCR
13 STORE_FAST 1 (y)
16 LOAD_CONST 0 (None)
19 RETURN_VALUE
一般に、タプルはわずかに高速になると予想される場合があります。ただし、特定のケースを確実にテストする必要があります（違いがプログラムのパフォーマンスに影響する可能性がある場合は、「時期尚早な最適化がすべての悪の根源である」ことを忘れないでください）。
Pythonはこれをとても簡単にします： timeit はあなたの友達です。
$ python -m timeit "x=(1,2,3,4,5,6,7,8)"
10000000 loops, best of 3: 0.0388 usec per loop
$ python -m timeit "x=[1,2,3,4,5,6,7,8]"
1000000 loops, best of 3: 0.363 usec per loop
そして...
$ python -m timeit -s "x=(1,2,3,4,5,6,7,8)" "y=x[3]"
10000000 loops, best of 3: 0.0938 usec per loop
$ python -m timeit -s "x=[1,2,3,4,5,6,7,8]" "y=x[3]"
10000000 loops, best of 3: 0.0649 usec per loop
したがって、この場合、インスタンス化はTupleの場合はほぼ1桁速くなりますが、実際にはリストの場合、アイテムへのアクセスは多少速くなります！そのため、いくつかのタプルを作成して何度もアクセスする場合は、代わりにリストを使用する方が実際には速いかもしれません。
もちろん、アイテムをchangeしたい場合は、1つのアイテムを変更するために新しいタプル全体を作成する必要があるため、リストは間違いなく高速になります。それ（タプルは不変なので）。
概要
ほぼすべてのカテゴリで、タプルはリストよりもパフォーマンスが高い傾向があります。
1）タプルは 定数折り畳み にできます。
2）タプルはコピーする代わりに再利用できます。
3）タプルはコンパクトで、過剰に割り当てられません。
4）タプルは要素を直接参照します。
タプルは常に折りたたむことができます
定数のタプルは、PythonのピープホールオプティマイザーまたはASTオプティマイザーによって事前に計算できます。一方、リストは最初から作成されます。
_ >>> from dis import dis
>>> dis(compile("(10, 'abc')", '', 'eval'))
1 0 LOAD_CONST 2 ((10, 'abc'))
3 RETURN_VALUE
>>> dis(compile("[10, 'abc']", '', 'eval'))
1 0 LOAD_CONST 0 (10)
3 LOAD_CONST 1 ('abc')
6 BUILD_LIST 2
9 RETURN_VALUE
_タプルをコピーする必要はありません
Tuple(some_Tuple)を実行すると、すぐに戻ります。タプルは不変なので、コピーする必要はありません。
_>>> a = (10, 20, 30)
>>> b = Tuple(a)
>>> a is b
True
_対照的に、list(some_list)では、すべてのデータを新しいリストにコピーする必要があります。
_>>> a = [10, 20, 30]
>>> b = list(a)
>>> a is b
False
_タプルは過剰割り当てしません
タプルのサイズは固定されているため、append（）操作を効率的にするために過剰に割り当てる必要があるリストよりもコンパクトに格納できます。
これにより、タプルにスペースの利点が与えられます。
_>>> import sys
>>> sys.getsizeof(Tuple(iter(range(10))))
128
>>> sys.getsizeof(list(iter(range(10))))
200
_以下はObjects/listobject.cからのコメントで、リストが何をしているのかを説明しています：
_/* This over-allocates proportional to the list size, making room
* for additional growth. The over-allocation is mild, but is
* enough to give linear-time amortized behavior over a long
* sequence of appends() in the presence of a poorly-performing
* system realloc().
* The growth pattern is: 0, 4, 8, 16, 25, 35, 46, 58, 72, 88, ...
* Note: new_allocated won't overflow because the largest possible value
* is PY_SSIZE_T_MAX * (9 / 8) + 6 which always fits in a size_t.
*/
_タプルは要素を直接参照します
オブジェクトへの参照は、Tupleオブジェクトに直接組み込まれます。対照的に、リストには、外部のポインター配列への間接的な追加レイヤーがあります。
これにより、タプルのインデックス付きルックアップとアンパックの速度がわずかに向上します。
_$ python3.6 -m timeit -s 'a = (10, 20, 30)' 'a[1]'
10000000 loops, best of 3: 0.0304 usec per loop
$ python3.6 -m timeit -s 'a = [10, 20, 30]' 'a[1]'
10000000 loops, best of 3: 0.0309 usec per loop
$ python3.6 -m timeit -s 'a = (10, 20, 30)' 'x, y, z = a'
10000000 loops, best of 3: 0.0249 usec per loop
$ python3.6 -m timeit -s 'a = [10, 20, 30]' 'x, y, z = a'
10000000 loops, best of 3: 0.0251 usec per loop
_ここ は、タプル_(10, 20)_の格納方法です。
_ typedef struct {
Py_ssize_t ob_refcnt;
struct _typeobject *ob_type;
Py_ssize_t ob_size;
PyObject *ob_item[2]; /* store a pointer to 10 and a pointer to 20 */
} PyTupleObject;
_ここ は、リスト_[10, 20]_の格納方法です。
_ PyObject arr[2]; /* store a pointer to 10 and a pointer to 20 */
typedef struct {
Py_ssize_t ob_refcnt;
struct _typeobject *ob_type;
Py_ssize_t ob_size;
PyObject **ob_item = arr; /* store a pointer to the two-pointer array */
Py_ssize_t allocated;
} PyListObject;
_Tupleオブジェクトには2つのデータポインターが直接組み込まれますが、リストオブジェクトには2つのデータポインターを保持する外部配列への間接の追加レイヤーがあります。
タプルは不変であるため、メモリ効率が高くなります。効率のために、定数reallocsなしで追加できるようにメモリを割り当てます。そのため、コード内の値の定数シーケンス（_for direction in 'up', 'right', 'down', 'left':_など）を反復処理する場合は、タプルが優先されます。これは、そのようなタプルがコンパイル時に事前に計算されるためです。
アクセス速度は同じである必要があります（両方ともメモリ内の連続した配列として格納されます）。
ただし、可変データを処理する場合は、alist.append(item)をatuple+= (item,)よりも優先します。タプルはフィールド名のないレコードとして扱われることを意図していることを忘れないでください。
リストまたはタプルのすべてのアイテムが同じCタイプの場合、標準ライブラリのarrayモジュールも考慮する必要があります。メモリの使用量が少なくなり、高速になります。
タプルは、不変であるため、リストよりもわずかに効率的である必要があります。
ここにもう1つの小さなベンチマークがあります。
In [11]: %timeit list(range(100))
749 ns ± 2.41 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
In [12]: %timeit Tuple(range(100))
781 ns ± 3.34 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
In [1]: %timeit list(range(1_000))
13.5 µs ± 466 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
In [2]: %timeit Tuple(range(1_000))
12.4 µs ± 182 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
In [7]: %timeit list(range(10_000))
182 µs ± 810 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)
In [8]: %timeit Tuple(range(10_000))
188 µs ± 2.38 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)
In [3]: %timeit list(range(1_00_000))
2.76 ms ± 30.5 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
In [4]: %timeit Tuple(range(1_00_000))
2.74 ms ± 31.8 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
In [10]: %timeit list(range(10_00_000))
28.1 ms ± 266 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)
In [9]: %timeit Tuple(range(10_00_000))
28.5 ms ± 447 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)
これらを平均してみましょう：
In [3]: l = np.array([749 * 10 ** -9, 13.5 * 10 ** -6, 182 * 10 ** -6, 2.76 * 10 ** -3, 28.1 * 10 ** -3])
In [2]: t = np.array([781 * 10 ** -9, 12.4 * 10 ** -6, 188 * 10 ** -6, 2.74 * 10 ** -3, 28.5 * 10 ** -3])
In [11]: np.average(l)
Out[11]: 0.0062112498000000006
In [12]: np.average(t)
Out[12]: 0.0062882362
In [17]: np.average(t) / np.average(l) * 100
Out[17]: 101.23946713590554
ほぼ決定的ではありません。
しかし、確かに、タプルは101.239%時間、または1.239%リストと比較してジョブを実行するための余分な時間。