Python 中最常见的两种数据结构：列表（list）和元组（tuple）。

列表和元组基础
列表和元组，都是一个可以放置任意数据类型的有序集合。
在绝大多数编程语言，集合的数据类型必须一致。但 Python 的列表和元组无此要求。

l = [1, 2, 'hello', 'world'] # 列表中同时含有 int 和 string 类型的元素。使用中括号
tup = ('jason', 22) # 元组中同时含有 int 和 string 类型的元素。使用圆括号
注意：string 类型的元素，必须使用引号括起来，首选单引号，可以嵌套

区别：
列表是动态的，长度大小不固定，可以随意地增加、删减或者改变元素（mutable）。
而元组是静态的，长度大小固定，无法增加删减或者改变（immutable）。

也就是说，
修改列表，可以在列表末尾追加，如
l = [1, 2, 3, 4]
l.append(5) # 添加元素 5 到原列表的末尾
要使用包含不同元素的元组，就必须新建一个元组。
tup = (1, 2, 3, 4)
new_tup = tup + (5, ) # 创建新的元组 new_tup，并依次填充原元组的值

和其他语言不同，Python 中的列表和元组都支持负数索引，-1 表示最后一个元素，-2 表示倒数第二个元素，以此类推。
Python 中的列表和元组的正向索引，从 0 开始。

除了基本的初始化，索引外，列表和元组都支持切片操作：
l = [1, 2, 3, 4]
l[1:3] # 返回列表中索引从 1 到 2 的子列表
tup = (1, 2, 3, 4)
tup[1:3] # 返回元组中索引从 1 到 2 的子元组
索引使用 中括号，切片指定的位置，如 1:3，1 为起始索引位，3 表示切片到该索引位之前，不含该索引位。

另外，列表和元组都可以随意嵌套：
l = [[1, 2, 3], [4, 5]] # 列表的每一个元素也是一个列表
tup = ((1, 2, 3), (4, 5, 6)) # 元组的每一个元素也是一元组

两者也可以通过 list() 和 tuple() 函数相互转换：
list((1, 2, 3))  # 元组转 列表
[1, 2, 3]
tuple([1, 2, 3])  # 列表转 元组
(1, 2, 3)

一些列表和元组常用的内置函数：
.count(item) 表示统计列表 / 元组中 item 出现的次数。即，指定元素计数
.index(item) 表示返回列表 / 元组中 item 第一次出现的索引。即，指定元素索引位
list.reverse() 和 list.sort() 分别表示原地倒转列表和排序（注意，元组没有内置的这两个函数)。
.reversed() 和 .sorted() 同样表示对列表 / 元组进行倒转和排序，但是会返回一个倒转后或者排好序的新的列表 / 元组。

列表和元组存储方式的差异
l = [1, 2, 3]
l.__sizeof__()
64
tup = (1, 2, 3)
tup.__sizeof__()
48
元组的存储空间要比列表少得多。原因？
事实上，由于列表是动态的，所以它需要存储指针，来指向对应的元素（上述例子中，对于 int 型，8 字节）。另外，由于列表可变，所以需要额外存储已经分配的长度大小（8 字节），这样才可以实时追踪列表空间的使用情况，当空间不足时，及时分配额外空间。

l = []
l.__sizeof__() // 空列表的存储空间为 40 字节
40
l.append(1)
l.__sizeof__()
72 // 加入了元素 1 之后，列表为其分配了可以存储 4 个元素的空间 (72 - 40)/8 = 4
l.append(2)  # 增加 string 类型元素占用空间一样，一个元素占用 8 个字节的存储空间
l.__sizeof__()
72 // 由于之前分配了空间，所以加入元素 2，列表空间不变
l.append(3)
l.__sizeof__()
72 // 同上
l.append(4)
l.__sizeof__()
72 // 同上
l.append(5)
l.__sizeof__()
104 // 加入元素 5 之后，列表的空间不足，所以又额外分配了可以存储 4 个元素的空间

增删元素的时间复杂度
为了减小每次增加 / 删减操作时空间分配的开销，Python 每次分配空间时都会额外多分配一些，这样的机制（over-allocating）保证了其操作的高效性：增加 / 删除的时间复杂度均为 O(1)。
但是对于元组，情况就不同了。元组长度大小固定，元素不可变，所以存储空间固定。
注：O(1)通常表示算法的时间复杂度是常数

在只有少量元素时，列表和元组的时间复杂度差异几乎可以忽略。
但是当大量甚至巨量元素时，列表和元组的时间复杂度差异就会变得巨大。

列表和元组的性能

通过学习列表和元组存储方式的差异，我们可以得出结论：
元组要比列表更加轻量级一些，所以总体上来说，元组的性能速度要略优于列表。

另外，Python 会在后台，对静态数据做一些资源缓存（resource caching）。通常来说，因为垃圾回收机制的存在，如果一些变量不被使用了，Python 就会回收它们所占用的内存，返还给操作系统，以便其他变量或其他应用使用。

但是对于一些静态变量，比如元组，如果它不被使用并且占用空间不大时，Python 会暂时缓存这部分内存。这样，下次我们再创建同样大小的元组时，Python 就可以不用再向操作系统发出请求，去寻找内存，而是可以直接分配之前缓存的内存空间，这样就能大大加快程序的运行速度。

下面的例子，是计算初始化一个相同元素的列表和元组分别所需的时间。
python3 -m timeit 'x=(1,2,3,4,5,6)'
20000000 loops, best of 5: 9.97 nsec per loop
python3 -m timeit 'x=[1,2,3,4,5,6]'
5000000 loops, best of 5: 50.1 nsec per loop
可以看到，元组的初始化速度，要比列表快 5 倍。另外，python3 要比 python2 速度要快接近10%

但如果是索引操作的话，两者的速度差别非常小，几乎可以忽略不计。
python3 -m timeit -s 'x=[1,2,3,4,5,6]' 'y=x[3]'
10000000 loops, best of 5: 22.2 nsec per loop
python3 -m timeit -s 'x=(1,2,3,4,5,6)' 'y=x[3]'
10000000 loops, best of 5: 21.9 nsec per loop

关于 timeit 的官方解释： "If -n is not given, a suitable number of loops is calculated by trying successive powers of 10 until the total time is at least 0.2 seconds."
用法示例：
>>> import timeit
>>> timeit.timeit('x=(1,2,3,4,5,6)',number=1000000)
number=1太少了，会有noise，建议设为1000000以上

列表和元组的使用场景
一般来说，需要增加、删减或者改变元素的，优先选用列表。
那么列表和元组到底用哪一个呢？根据上面所说的特性，我们具体情况具体分析。

1. 如果存储的数据和数量不变，比如你有一个函数，需要返回的是一个地点的经纬度，然后直接传给前端渲染，那么肯定选用元组更合适。
def get_location():
    .....
    return (longitude, latitude)

2. 如果存储的数据或数量是可变的，比如社交平台上的一个日志功能，是统计一个用户在一周之内看了哪些用户的帖子，那么则用列表更合适。
viewer_owner_id_list = []  # 里面的每个元素记录了这个 viewer 一周内看过的所有 owner 的 id
records = queryDB(viewer_id)  # 索引数据库，拿到某个 viewer 一周内的日志
for record in records:
    viewer_owner_id_list.append(record.id)

总结
总的来说，列表和元组都是有序的，可以存储任意数据类型的集合，区别主要在于下面这两点。
列表是动态的，长度可变，可以随意的增加、删减或改变元素。列表的存储空间略大于元组，性能略逊于元组。
元组是静态的，长度大小固定，不可以对元素进行增加、删减或者改变操作。元组相对于列表更加轻量级，性能稍优。