dict 的高性能与其存储方式是分不开的,我们知道 dict 的存储是基于哈希表(又称散列表),需要计算 hash 值,那么是计算谁的 hash 值呢?是像别人说的:存储 dict 元素前计算 key 的 hash 值?
验证
这里先创建个字典
>>> my_dict = {'a': 'apple', 'b': 'banana'}
由于哈希表是一块连续的内存空间(数组),在不考虑 hash 值冲突的情况下,如果计算的是 key 的 hash 值,那么:'a'
的 hash 值与 'b'
的 hash 值之间的差值 与 'a'
的内存地址与 'b'
的内存地址之间的差值(可理解为内存地址里的距离) 相等才对,也就是说以下的等式成立才对
hash('a') - hash('b') == id('a') - id('b')
但事实上面等式返回的是 False
>>> hash('a') - hash('b') == id('a') - id('b')
False
先看看其中各项的具体值是多少
>>> hash('a')
-7336862871683211644
>>> hash('b')
3607308758832868774
>>> id('a')
1290454097736
>>> id('b')
1290454096056
>>> id('a') - id('b')
1680
>>> hash('a') - hash('b')
-10944171630516080418
可以很明显得看到差距还是挺大的
这说明计算的不是 key 的 hash 值(这种说法不够严谨),那计算的是什么呢?
计算的是 key 所在内存地址的 hash 值
在不考虑 hash 冲突的情况下, 'a'
所在内存地址的 hash 值与 'b'
所在内存地址的 hash 值之间的差值 和 'a'
的内存地址与 'b'
的内存地址之间的差值 相等,也就是说以下的等式成立才对
hash(id('a')) - hash(id('b')) == hash(id('a')) - hash(id('b'))
>>> hash(id('a')) - hash(id('b')) == hash(id('a')) - hash(id('b'))
True
>>> id('a') - id('b')
1680
>>> hash(id('a')) - hash(id('b'))
1680
下面再多验证几个
>>> my_dict['c'] = 'cherry'
>>> hash(id('b')) - hash(id('c')) == hash(id('b')) - hash(id('c'))
True
>>> id('b') - id('c')
791760
>>> hash(id('b')) - hash(id('c'))
791760
>>> a['d'] = 'date'
>>> hash(id('d')) - hash(id('c')) == hash(id('d')) - hash(id('c'))
True
>>> id('d') - id('c')
1400
>>> hash(id('d')) - hash(id('c'))
1400
到这里就可以证明上面的结论
为何计算的是 key 所在的内存地址的 hash 值?
比如上面的'a'
(1 个字符) 明显比其所在的内存地址 1290454097736
(13 个字符)要短。短的计算不是更快吗?
记住一句话:Python 中一切皆对象,'a'
是个 str 对象,1290454097736
是个 int 对象
>>> type('a')
<class 'str'>
>>> type(id('a'))
<class 'int'>
一个对象里不是仅仅存储对应值,它还有很多属性(含方法),来看看谁的属性多
>>> len(dir('a'))
77
>>> len(dir(id('a')))
70
str 对象比 int 对象多 7 个属性
它们都有个叫 __sizeof__()
的魔法方法,用于获取当前对象所占用的内存空间大小(字节)
>>> id('a').__sizeof__()
32
>>> 'a'.__sizeof__()
50
从上面可以发现:虽然 'a'
看起来只有 1 个字符,但其占用的内存空间要大于其内存地址 id('a')
所占用的空间
当然这不是主要原因,Python 解释器会将其转换为适当的数据类型再进行 hash 计算
不过,dict 的 key 不仅仅可以是 str 对象,也可以是 int、bytes、fromzenset 等这些可哈希(hashable
)对象,可哈希对象都是不可变(immutable
)对象(注意:反之不一定成立,如 tuple),不可变对象内存地址不变。大多数情况下,相比计算这些不同对象类型的 hash 值,直接计算对象所在内存地址(整数)的 hash 值性能更高,这也就是为什么不是计算 key 的 hash 值,而是计算 key 所在内存地址的 hash 值