字典和集合2：高效性和可哈希

目录

1. 字典和集合的高效性

2. 散列表操作

2.1 散列表的写入  

2.2 散列表的查找

2.3 散列表的缺点

3. 可哈希

---

1. 字典和集合的高效性

许多时候，将列表改为字典或集合后，执行效率将会有巨大的飞跃，两者之间的主要区别在于，列表每次的查找运算都需要从头到尾进行扫描，而字典或集合则只需要进行查表。

在 Python 中，字典和集合所查找的表，即散列表（Hash table），也称为哈希表，是一个稀疏数组（总是有空白元素的数组称为稀疏数组）。  

将要存储的数据是先通过哈希函数：hash() 进行计算获得哈希值，再根据哈希值将存储数据的引用地址（只有这样才无论数据大小，在散列表中存放的数据同样大小），存放在散列表中的一行（通常称之为 bucket）。  

这也会导致一个效果，即：键的值如果相等，则视为重复键。这是因为相同值的键，即使一个是整数1，一个是浮点数1.00，哈希值计算相同，在散列表中的存放位置一致。

2. 散列表

2.1 散列表的写入  

1. Python 调用 hash() 函数，计算字典的 “键” 的哈希值；  

2. 将哈希值的最低几位数字加工后作为偏移量，在散列表中进行索引；  

3. 若找到的 bucket 为空，将键值对写入；  

4. 若找到的 bucket 已存放数据，产生散列冲突，执行如下冲突解决操作：

• Python 在哈希值中另取几位数字进行加工，重新得到新的 bucket 索引值  
• 若新的 buc