تفاوت list و tuple در پایتون؛ کدام را کی استفاده کنیم؟


تفاوت لیست و تاپل در پایتون در یک جمله #

لیست (list) تغییرپذیر است و تاپل (tuple) تغییرناپذیر. این جمله کوتاه‌ترین پاسخ به یکی از پرتکرارترین سؤال‌های مصاحبه‌های پایتون و یکی از اولین گیج‌کننده‌ترین مفاهیم برای تازه‌کارهاست. اما پشت همین تفاوت ساده، نکات مهمی دربارهٔ عملکرد، مصرف حافظه، امنیت داده و طراحی کد وجود دارد که در این مطلب با مثال بررسی می‌کنیم.

لیست و تاپل چطور ساخته می‌شوند؟ #

create.pypython
# لیست با کروشه
fruits = ["سیب", "موز", "پرتقال"]

# تاپل با پرانتز
point = (10, 20)

# تاپل بدون پرانتز هم ساخته می‌شود (tuple packing)
rgb = 255, 128, 0

# تاپل تک‌عضوی: ویرگول اجباری است
single = (5,)
not_a_tuple = (5)   # این فقط عدد ۵ است

print(type(single), type(not_a_tuple))
# <class 'tuple'> <class 'int'>

هشدار

رایج‌ترین اشتباه مبتدی‌ها فراموش کردن ویرگول در تاپل تک‌عضوی است. در پایتون ویرگول تاپل می‌سازد، نه پرانتز.

تغییرپذیری (Mutability) یعنی چه؟ #

جعبه‌ای که محتوایش با دست‌های رباتیک عوض می‌شود؛ نماد تغییرپذیری لیست

لیست را بعد از ساخت می‌توانید تغییر دهید: عضو اضافه کنید، حذف کنید یا جایگزین کنید. تاپل بعد از ساخت ثابت می‌ماند:

mutability.pypython
fruits = ["سیب", "موز"]
fruits.append("انگور")     # مجاز
fruits[0] = "گلابی"        # مجاز
print(fruits)              # ['گلابی', 'موز', 'انگور']

point = (10, 20)
point[0] = 99
# TypeError: 'tuple' object does not support item assignment

به همین دلیل، لیست ده‌ها متد تغییردهنده دارد (append، extend، insert، remove، pop، sort، reverse، clear)، اما تاپل فقط دو متد دارد: count و index. طبق مستندات رسمی پایتون، هر دو «دنباله» هستند و عملیات مشترکی مثل اندیس‌گذاری، برش (slicing)، len و in را پشتیبانی می‌کنند.

یک نکتهٔ ظریف: تاپلِ حاوی لیست #

تغییرناپذیری تاپل «سطحی» است. خود تاپل نمی‌تواند عوض شود، اما اگر شیئی تغییرپذیر داخلش باشد، آن شیء می‌تواند تغییر کند:

python
t = (1, [2, 3])
t[1].append(4)
print(t)   # (1, [2, 3, 4])

تاپل همچنان به همان لیست اشاره می‌کند؛ فقط محتوای لیست عوض شده است.

مقایسهٔ کامل لیست و تاپل #

ویژگی لیست list تاپل tuple
سینتکس [1, 2, 3] (1, 2, 3)
تغییرپذیری تغییرپذیر تغییرناپذیر
متدها زیاد (append، sort و...) فقط count و index
مصرف حافظه بیشتر کمتر
سرعت ساخت و پیمایش کمی کندتر کمی سریع‌تر
کلید دیکشنری خیر بله (اگر اعضا hashable باشند)
عضو set خیر بله
کاربرد معمول مجموعه‌ای از آیتم‌های هم‌نوع که تغییر می‌کند رکوردی با ساختار ثابت

کدام سریع‌تر است و حافظهٔ کمتری می‌گیرد؟ #

دو بلوک حافظه با اندازه‌های متفاوت

چون تاپل اندازهٔ ثابتی دارد، پایتون نیازی ندارد فضای اضافه برای رشد آینده رزرو کند. لیست‌ها برای اینکه append سریع باشد، معمولاً کمی فضای اضافه تخصیص می‌دهند:

size.pypython
import sys

lst = [1, 2, 3, 4, 5]
tpl = (1, 2, 3, 4, 5)

print(sys.getsizeof(lst))   # برای مثال 104 بایت
print(sys.getsizeof(tpl))   # برای مثال 80 بایت

یادداشت

اعداد دقیق به نسخهٔ پایتون و معماری سیستم بستگی دارد، اما در CPython تاپل تقریباً همیشه کوچک‌تر است.

سرعت ساخت را هم می‌توانید با timeit بسنجید:

bash
python -m timeit "x = [1, 2, 3, 4, 5]"
python -m timeit "x = (1, 2, 3, 4, 5)"

تاپل‌های ثابت (literal) معمولاً توسط کامپایلر پایتون به‌صورت یک ثابت ذخیره می‌شوند و ساختشان تقریباً هزینه‌ای ندارد. با این حال، این تفاوت در بیشتر برنامه‌ها ناچیز است؛ انتخاب بین لیست و تاپل را بر اساس معنا انجام دهید، نه چند نانوثانیه.

تاپل به‌عنوان کلید دیکشنری #

یکی از کاربردهای مهم تاپل، استفاده به‌عنوان کلید دیکشنری یا عضو set است. فقط اشیای hashable می‌توانند کلید باشند و لیست‌ها hashable نیستند:

dict_key.pypython
distances = {
    ("تهران", "اصفهان"): 440,
    ("تهران", "مشهد"): 900,
}
print(distances[("تهران", "اصفهان")])   # 440

bad = {[1, 2]: "x"}
# TypeError: unhashable type: 'list'

Unpacking: قدرت پنهان تاپل‌ها #

تاپل‌ها با «باز کردن» (unpacking) بسیار خوانا می‌شوند:

unpacking.pypython
def min_max(numbers):
    return min(numbers), max(numbers)   # یک تاپل برمی‌گرداند

low, high = min_max([4, 9, 1, 7])
print(low, high)   # 1 9

# جابه‌جایی دو متغیر بدون متغیر کمکی
a, b = 1, 2
a, b = b, a

# گرفتن بقیهٔ اعضا با *
first, *rest = (1, 2, 3, 4)
print(first, rest)   # 1 [2, 3, 4]

namedtuple: تاپل خواناتر #

اگر تاپل شما نقش یک «رکورد» دارد، namedtuple یا typing.NamedTuple دسترسی با نام را ممکن می‌کند:

named.pypython
from typing import NamedTuple

class Point(NamedTuple):
    x: float
    y: float

p = Point(3, 4)
print(p.x, p.y)        # 3 4
print(p[0])            # 3 — همچنان یک تاپل است

چه زمانی لیست و چه زمانی تاپل؟ #

از لیست استفاده کنید وقتی:

  • تعداد اعضا تغییر می‌کند (اضافه یا حذف).
  • اعضا هم‌نوع‌اند و یک «مجموعه» را تشکیل می‌دهند، مثل لیست کاربران یا سفارش‌ها.
  • نیاز به مرتب‌سازی درجا دارید.

از تاپل استفاده کنید وقتی:

  • داده یک ساختار ثابت دارد، مثل مختصات (x, y) یا رنگ (r, g, b).
  • می‌خواهید چند مقدار از تابع برگردانید.
  • به کلید دیکشنری یا عضو set نیاز دارید.
  • می‌خواهید مطمئن شوید داده به‌اشتباه تغییر نمی‌کند.

تبدیل لیست و تاپل به یکدیگر #

python
nums = [1, 2, 3]
t = tuple(nums)     # (1, 2, 3)
back = list(t)      # [1, 2, 3]

سؤالات متداول #

آیا تاپل واقعاً سریع‌تر از لیست است؟

در ساخت و پیمایش معمولاً کمی سریع‌تر است و حافظهٔ کمتری می‌گیرد، اما تفاوت در اکثر برنامه‌ها محسوس نیست. مهم‌تر از سرعت، معنای داده است.

چرا به تاپل «لیست فقط‌خواندنی» نمی‌گویند؟

چون از نظر طراحی، تاپل برای داده‌های ناهمگن با موقعیت معنادار (مثل رکورد) است و لیست برای مجموعه‌ای از آیتم‌های هم‌نوع. تغییرناپذیری نتیجهٔ این نقش است.

چطور یک عضو به تاپل اضافه کنم؟

نمی‌توانید تاپل موجود را تغییر دهید، اما می‌توانید یک تاپل جدید بسازید: t = t + (4,).

تفاوت تاپل با frozenset چیست؟

تاپل ترتیب دارد و عضو تکراری می‌پذیرد؛ frozenset بی‌ترتیب است، عضو تکراری ندارد و برای بررسی عضویت سریع‌تر است.

جمع‌بندی #

لیست برای داده‌های پویا و تاپل برای داده‌های ثابت ساخته شده است. تاپل حافظهٔ کمتری می‌گیرد، می‌تواند کلید دیکشنری باشد و با unpacking کد را خواناتر می‌کند؛ لیست انعطاف کامل برای تغییر می‌دهد. اگر می‌خواهید عمیق‌تر بدانید پایتون چطور اشیاء را مقایسه می‌کند، مطلب تفاوت is و == در پایتون را بخوانید.

این پست چطور بود؟

پست‌های مرتبط