在 Python 文档中指出，命名元组的优点之一是它与元组一样具有内存效率。
为了验证这一点，我将iPython与ipython_memory_usage一起使用。测试如下图所示：
测试表明：
10000000 个命名元组实例使用了大约 850 MiB 的 RAM10000000 个元组实例使用了大约 73 MiB 的 RAM10000000 个字典实例使用了大约 570 MiB 的 RAM所以命名元组比元组使用更多的内存！甚至比字典还要多！！
你觉得怎么样？我哪里做错了？
更简单的指标是检查等效元组和命名元组对象的大小。给定两个大致相似的对象：
from collections import namedtuple
import sys
point = namedtuple('point', 'x y z')
point1 = point(1, 2, 3)
point2 = (1, 2, 3)
获取内存中它们的大小：
>>> sys.getsizeof(point1)
72
>>> sys.getsizeof(point2)
72
对我来说，它们看起来是一样的...
进一步复制结果，请注意，如果您按照自己的方式创建相同元组的列表，则每个元组都是完全相同的对象：
>>> test_list = [(1,2,3) for _ in range(10000000)]
>>> test_list[0] is test_list[-1]
True
因此，在元组列表中，每个索引都包含对同一对象的引用。没有 10000000 个元组，对一个元组有 10000000 个引用。
另一方面，您的命名元组对象列表实际上确实创建了 10000000 个唯一对象。
更好的同类比较是查看内存使用情况
>>> test_list = [(i, i+1, i+2) for i in range(10000000)]
和：
>>> test_list_n = [point(x=i, y=i+1, z=i+2) for i in range(10000000)]
它们具有相同的大小：
>>> sys.getsizeof(test_list)
81528056
>>> sys.getsizeof(test_list_n)
81528056
自己做一些调查（使用Python 3.6.6）。我得出以下结论：
>
在所有三种情况下（元组列表、命名元组列表、字典列表）.sys.getsizeof 返回列表的大小，无论如何它只存储引用。所以你会得到尺寸：在所有三种情况下都是81528056。
基本类型的尺寸为：
sys.getsizeof（（1，2，3）） 72
sys.getsizeof（point（x=1， y=2， z=3）） 72
sys.getsizeof（dict（x=1， y=2， z=3）） 240
命名元组的时机非常糟糕： 元组列表：
1.8s
命名元组列表：10s
字典列表：4.6s
查看系统负载，我对getsizeof的结果产生了怀疑。在测量了Ptyhon3工艺的足迹后，我得到：
test_list = [（i， i 1， i 2） 对于范围 （10000000）] 中的 i 增加
：1 745 564K
，即每个元素约 175B
test_list_n = [点（x=i， y=i 1， z=i 2） 对于范围（10000000）中的 i]
增加：1 830 740K
，即每个元素约 183B
test_list_n = [点（x=i， y=i 1， z=i 2） 对于范围 （10000000）] 中的 i 增加
：2 717 492 K
，即每个元素约 272B
