Python 字典和集合的的实现：散列表

字典和集合的效率高，和他背后的散列表是绕不开的。

散列表其实是一个稀疏数组（总是有空白元素的数组称为稀疏数组）。散列表的单元叫做表元bucket。在dict的散列表中，每个键值对都占用一个表元，每个表元都有两个部分，一个是对键的引用，一个是对于值的引用。因为表元的大小一致，所以可以通过偏移量来读取表元。python会保证大概有三分之一的表元是空的，快要达到这个阈值的时候，原有的散列表会被复制到一个更大的空间里面。

散列值的相等：

内置的hash()方法是调用对象的__hash__。如果两个对象比较的时候是相等的，那么他的散列值必须相等吗，也就是他们的__hash__相等。

比如如果1 == 1.0 为真，那么hash(1) == hash(1.0) 也要为真。

散列表的算法：

为了获取一个字典的值dict[key]，首先python会调用hash(key)来计算key的散列值，把这个值的最后几位数字（具体多少位，要看散列表的大小）当做偏移量，在散列表中查找表元。若插到的表元是空的，则会抛出KeyError异常。若不为空，则表元里面会有一对found_key:found_value。这时候python校验key==found_key是否为真，如果相等的话，就会返回found_value。 字典的查找就结束了。

以上有一种情况是key和found_key不匹配的时候，这种叫做【散列冲突】，发生这种情况的原因是散列表把随机的元素映射到了几位的数字上，而散列表本身的索引有只依赖于这个数字的一部分。为了解决散列冲突，算法会在散列值中另外再多取几位，然后处理一下，用新得到的数字当做索引再次寻找表元，重复以上步骤：如果得到是空的抛出KeyError异常，如果匹配则返回值，吐过又发生了散列冲突，重复本步骤。。

以上是字典取值的算法，新增值，修改值，也是几乎一样的操作。

dict的实现和结果

1. 键必须是可散列的

一个可散列对象必须满足：支持hash()函数，通过__hash__()得到的散列值是不变的，支持__eq__()方法来测试相等性，若a==b为真，则hash(a)==hash(b)也为真

所有用户自定义的对象默认都是可散列的，因为他们的散列值是由id()获取的，而且他们都是不相等的。

1. 字典的内存开销巨大

由于字典是使用了散列表，散列表又必须是稀疏数组，这就是导致了在空间的效率低下，dict是典型的空间换时间。如果想存储大量的数据，元祖是更好的选择。

1. 键查询很快

字典类型有着巨大的内存开销，也就无视数据量的快速访问。数据量大对字典的查询速度影响很小。

1. 键的次序取决于添加的顺序

当往dict添加新键又发生了散列冲突的时候，新建可能会被安排到另一个位置。这就产生了不同的添加次序，产生的字典顺序很可能不一样。

1. 新增键可能改变已有的顺序

无论何时在字典添加新建，python都可能做出为字典扩容的决定。扩容就会新增一个更大的散列表，把已有的元素放到新的散列表中，这个过程就可能产生新的散列冲突，导致新的字典顺序变化。

set的实现和结果

set和frozenset的实现也一样依赖散列表，但是散列表中指存放了元素的引用（就像字典中一样只放了键，没有放值）

set的特点和dict一样，也是有上面的1到5点。