Python字典集合数据结构深入理解

说明

在python中字dict和set是非常常用的两种数据结构，但是两种数据结构为什么要放在一起讨论。因为他们之所以拥有非常快的速度，是因为他们的内部结构都是散列表（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）

dict中的散列表

• 散列表算法

正常想要获取dict中的值，首先要知道key通过dict[key]获取对应的value，在散列表中为了达到这种操作，首先会计算key的hash值即散列值，把这个值最低的几位数字当作偏移量，在散列表里
查找表元（具体取几位，得看当前散列表的大小）。若找到表元为空，异常KeyError，不为空，表元里会有一对 found_key:found_value。这时候 Python 会检验 search_key == found_key 是否为真，如果它们相等的话，就会返回 found_value。如果两个值不匹配，则是散列冲突。

而散列表本
身的索引又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
再取几位，然后用特殊的方法处理一下，把新得到的数字再当作索引来寻找表元。
若这次找到的表元是空的，则同样抛出 KeyError；若非空，或者键匹配，则返回这
个值；或者又发现了散列冲突，则重复以上的步骤。

另外在插入新值时，Python 可能会按照散列表的拥挤程度来决定是否要重新分配内存
为它扩容。如果增加了散列表的大小，那散列值所占的位数和用作索引的位数都会随
之增加，这样做的目的是为了减少发生散列冲突的概率。

Python 会设法保证大概还有三分之一的表元是空的，所以在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。

• dict的散列实现导致的结果

1.key必须是可hash的，所有不可变类型都是可哈希的故可作为键，可变类型不可哈希即不可作为键，如列表，字典类型。

2.在内存消耗上是巨大的，由于字典使用了散列表，而散列表又必须是稀疏的，这导致它在空间上的效率低下。

3.key查询很快，hash表空间换时间。

4.key的排列顺序，取决于添加顺序，并且当dict添加新数据，原有的排列可能会被打乱，因为Python 会设法保证大概还有三分之一的表元是空的，所以在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。这时候重新hash导致排列顺序改变。

5.由此可知，不要对字典同时进行迭代和修改。如果想扫描并修改一个字典，最好分成
两步来进行：首先对字典迭代，以得出需要添加的内容，把这些内容放在一个新字典
里；迭代结束之后再对原有字典进行更新。

集合中的散列表

集合的实现和dict一样，集合的元素就相当于dict中的key，只不过集合没有散列表指向的value。
其特点：
- 集合里的元素必须是可散列的
- 集合很消耗内存
- 可以很高效地判断元素是否存在于某个集合
- 元素的次序取决于被添加到集合里的次序
- 往集合里添加元素，可能会改变集合里已有元素的次序

leason | 博客