[2026] Python list vs tuple vs set 완벽 비교 | 자료구조 선택 가이드

2026년 3월 30일 · 19분 읽기 · 수정 2026년 4월 7일 초급

이 글의 핵심

Python list, tuple, set의 차이점을 가변성, 성능, 메모리 관점에서 비교. 실전에서 어떤 자료구조를 써야 하는지 선택 기준과 예제를 설명합니다.

들어가며

“리스트만 쓰면 되는 것 아닌가요?” Python을 처음 배울 때 자주 나오는 질문입니다. 이 글에서는 list, tuple, set의 차이를 명확히 이해하고, 상황에 맞는 자료구조를 선택하는 방법을 다룹니다. 비유로 말씀드리면, list는 순서가 있는 줄 서기, tuple은 한 번 찍은 스티커 사진(바꿀 수 없음), set은 중복 없이 모아 두는 주머니에 가깝습니다. “빠른 포함 검사”가 중요하면 set을 떠올리시면 됩니다.

언제 list를, 언제 tuple·set을 쓰나요?

관점	list	tuple	set
성능	끝쪽 삽입은 편함, 멤버십은 O(n)	불변·해시 가능(요소가 해시 가능할 때)	멤버십 평균 O(1)
사용성	가변, 순서 있음	키로 쓰기 좋은 불변	중복 제거·집합 연산
적용 시나리오	시퀀스 처리	좌표·레코드	유일 값, 교집합 등

이 글을 읽으면

list, tuple, set의 특성 차이를 이해하실 수 있습니다
각 자료구조의 시간 복잡도를 익히실 수 있습니다
메모리 사용량 차이를 파악하실 수 있습니다
실전에서 어떤 것을 써야 하는지 판단하실 수 있습니다

실무에서 마주한 현실

개발을 배울 때는 모든 게 깔끔하고 이론적입니다. 하지만 실무는 다릅니다. 레거시 코드와 씨름하고, 급한 일정에 쫓기고, 예상치 못한 버그와 마주합니다. 이 글에서 다루는 내용도 처음엔 이론으로 배웠지만, 실제 프로젝트에 적용하면서 “아, 이래서 이렇게 설계하는구나” 하고 깨달은 것들입니다. 특히 기억에 남는 건 첫 프로젝트에서 겪은 시행착오입니다. 책에서 배운 대로 했는데 왜 안 되는지 몰라 며칠을 헤맸죠. 결국 선배 개발자의 코드 리뷰를 통해 문제를 발견했고, 그 과정에서 많은 걸 배웠습니다. 이 글에서는 이론뿐 아니라 실전에서 마주칠 수 있는 함정들과 해결 방법을 함께 다루겠습니다.

1. 빠른 비교표

특성	list	tuple	set
가변성	가변	불변	가변
순서	유지	유지	유지 안 됨 (3.7+는 삽입 순서)
중복	허용	허용	불허
인덱싱	✅ O(1)	✅ O(1)	❌ 불가능
검색	O(n)	O(n)	O(1) 평균
추가	append O(1)	❌ 불가능	add O(1)
삭제	remove O(n)	❌ 불가능	remove O(1)
메모리	보통	적음	많음
용도	일반 목록	불변 데이터, 딕셔너리 키	중복 제거, 집합 연산

2. 가변성 차이

list: 가변

다음은 간단한 python 코드 예제입니다. 코드를 직접 실행해보면서 동작을 확인해보세요.

lst = [1, 2, 3]
lst.append(4)      # ✅ [1, 2, 3, 4]
lst[0] = 10        # ✅ [10, 2, 3, 4]
lst.remove(2)      # ✅ [10, 3, 4]

append: 끝에 O(1) 평균으로 붙입니다(재할당이 나면 순간적으로 더 드는 경우가 있습니다).
인덱스 대입: 임의 위치의 요소를 바꿉니다.
remove(x): 값이 x인 첫 번째 항목 하나를 제거합니다(없으면 예외).

tuple: 불변

tup = (1, 2, 3)
tup.append(4)      # ❌ AttributeError: 'tuple' object has no attribute 'append'
tup[0] = 10        # ❌ TypeError: 'tuple' object does not support item assignment

한 번 만들면 요소 추가·치환이 되지 않아, 딕셔너리 키나 집합 원소로 쓰기에 안전한 경우가 많습니다(요소가 모두 해시 가능할 때).

set: 가변 (하지만 순서 없음)

다음은 간단한 python 코드 예제입니다. 코드를 직접 실행해보면서 동작을 확인해보세요.

s = {1, 2, 3}
s.add(4)           # ✅ {1, 2, 3, 4}
s.remove(2)        # ✅ {1, 3, 4}
s[0]               # ❌ TypeError: 'set' object is not subscriptable

add/remove는 집합 연산에 맞춰져 있고, 인덱스 접근은 지원하지 않습니다(순서가 보장되지 않기 때문입니다).

3. 성능 비교

검색 성능

다음은 python를 활용한 상세한 구현 코드입니다. 필요한 모듈을 import하고. 각 부분의 역할을 이해하면서 코드를 살펴보시기 바랍니다.

import time
# 데이터 준비
n = 100000
lst = list(range(n))
tup = tuple(range(n))
s = set(range(n))
# list 검색: O(n)
start = time.time()
for _ in range(1000):
    99999 in lst
print(f"list: {time.time() - start:.3f}s")  # 약 1.2s
# tuple 검색: O(n)
start = time.time()
for _ in range(1000):
    99999 in tup
print(f"tuple: {time.time() - start:.3f}s") # 약 1.1s (list보다 약간 빠름)
# set 검색: O(1)
start = time.time()
for _ in range(1000):
    99999 in s
print(f"set: {time.time() - start:.3f}s")   # 약 0.0001s (10,000배 빠름!)

추가/삭제 성능

아래 코드는 python를 사용한 구현 예제입니다. 각 부분의 역할을 이해하면서 코드를 살펴보시기 바랍니다.

# list.append: O(1) 평균, O(n) 최악 (재할당)
lst = []
for i in range(100000):
    lst.append(i)  # 빠름
# list.insert(0, x): O(n) (모든 요소 이동)
lst.insert(0, -1)  # 느림
# set.add: O(1) 평균
s = set()
for i in range(100000):
    s.add(i)  # 빠름

4. 메모리 사용량

메모리 비교

아래 코드는 python를 사용한 구현 예제입니다. 필요한 모듈을 import하고. 각 부분의 역할을 이해하면서 코드를 살펴보시기 바랍니다.

import sys
data = range(10000)
lst = list(data)
tup = tuple(data)
s = set(data)
print(f"list: {sys.getsizeof(lst):,} bytes")   # 약 85,176 bytes
print(f"tuple: {sys.getsizeof(tup):,} bytes")  # 약 80,064 bytes (5% 적음)
print(f"set: {sys.getsizeof(s):,} bytes")      # 약 524,520 bytes (6배 많음)

왜 차이가 나나?

tuple: 불변이므로 메타데이터 적음
list: 동적 확장을 위한 여유 공간
set: 해시 테이블 오버헤드 (빠른 검색 대가)

일상 비유로 이해하기: 메모리를 아파트 건물로 생각해보세요. 스택은 엘리베이터 같아서 빠르지만 공간이 제한적입니다. 힙은 창고처럼 넓지만 물건을 찾는 데 시간이 걸립니다. 포인터는 “3층 302호”처럼 주소를 가리키는 메모지라고 보면 됩니다.

5. 실전 선택 가이드

선택 플로우차트

아래 다이어그램은 결정 → 분기 → 결과 순으로 읽으시면 됩니다. 순서가 필요하면 list/tuple 쪽으로, 순서 없이 유일 값만 필요하면 set으로 가는 흐름입니다. 아래 코드는 mermaid를 사용한 구현 예제입니다. 각 부분의 역할을 이해하면서 코드를 살펴보시기 바랍니다.

graph TD
    A[자료구조 선택] --> B{순서가 중요한가?}
    B -->|Yes| C{수정이 필요한가?}
    B -->|No| D[set]
    C -->|Yes| E[list]
    C -->|No| F{딕셔너리 키로 쓰나?}
    F -->|Yes| G[tuple]
    F -->|No| H{성능이 중요한가?}
    H -->|Yes| G
    H -->|No| E

상황별 선택

다음은 python를 활용한 상세한 구현 코드입니다. 함수를 통해 로직을 구현합니다. 각 부분의 역할을 이해하면서 코드를 살펴보시기 바랍니다.

# 1. 일반 목록 → list
users = ['Alice', 'Bob', 'Charlie']
users.append('David')
# 2. 불변 데이터 → tuple
point = (10, 20)  # 좌표
rgb = (255, 0, 0)  # 색상
# 3. 중복 제거 → set
unique_ids = set([1, 2, 2, 3, 3, 3])  # {1, 2, 3}
# 4. 빠른 검색 → set
allowed_users = {'alice', 'bob', 'charlie'}
if username in allowed_users:  # O(1)
    grant_access()
# 5. 딕셔너리 키 → tuple (불변만 가능)
cache = {
    (10, 20): 'result1',  # ✅ tuple
    [10, 20]: 'result2',  # ❌ TypeError: unhashable type: 'list'
}
# 6. 함수 반환값 (여러 값) → tuple
def get_user():
    return ('Alice', 25, 'alice@example.com')  # tuple
name, age, email = get_user()  # 언패킹