糾正<存儲 dict 的元素前是計算 key 的 hash 值？>

前幾天發了一篇名爲 存儲 dict 的元素前是計算 key 的 hash 值？ 的文章，因缺少相關的背景知識，致使得出了不正確的推論。
那篇文章的推論是

在不考慮 hash 衝突的狀況下， 'a' 所在內存地址的 hash 值與 'b' 所在內存地址的 hash 值之間的差值 和 'a' 的內存地址與 'b' 的內存地址之間的差值 相等，也就是說如下的等式成立纔對

hash(id('a')) - hash(id('b')) == id('a') - id('b')

簡單說是：存儲 dict 的元素前計算的是 key 所在內存地址的 hash 值
上面的等式是成立的

>>> hash(id('a')) - hash(id('b')) == id('a') - id('b')
True
>>> id('a') - id('b')
1680
>>> hash(id('a')) - hash(id('b'))
1680

可是須要糾正說明的是，我上面的那個推論是錯的！

等式成立的緣由

這裏先說上面的等式爲何成立，由於整數的 hash 值是其自己

>>> a
1234567
>>> hash(a)
1234567

又由於內存地址是個整數，因此內存地址的 hash 值也是其自己，即和內存地址同樣的值

>>> my_dict = {'a': 'apple', 'b': 'banana'}
>>> hash(id('a')) == id('a')
True
>>> id('a')
2673717403464
>>> hash(id('a'))
2673717403464

這就是爲何這個等式成立

hash(id('a')) - hash(id('b')) == id('a') - id('b')

推論錯誤的緣由

若是兩個值不一樣，那麼它們的內存地址也不一樣，這是正確的，但我錯誤的認爲若是值相同，那麼內存地址也相同。下面是一個具備相同值不一樣內存地址的例子

>>> c = 'a-c'
>>> d = 'a-c'
>>> id(c) == id(d)
False
>>> id(c)
2673720167592
>>> id(d)
2673720167704

注：上面的 c 和 d 雖然值是相同的，但它們不是同一個對象，因此內存地址不同

回到那個錯誤的推論：

存儲 dict 的元素前計算的是 key 所在內存地址的 hash 值

該推論成立的前提之一是：相同的 key 值的內存地址必須相同，但事實是像上面的例子同樣，相同的 key 值能夠擁有不一樣的內存地址

假設該推論成立的話，就會致使 dict 中出現兩個相同的 key 值，但事實不是這樣的，即使內存地址不一樣，只要值相同就不能夠同時做爲 dict 的 key，後者會覆蓋前者。

>>> c
'a-c'
>>> d
'a-c'
>>> {c: 0, d: 1}
{'a-c': 1}

由於相同的 key 具備相同的 hash 值

>>> hash(c) == hash(d)
True
>>> hash(c)
-8124728931706162487
>>> hash(d)
-8124728931706162487

存儲 dict 的元素前是計算 key 的 hash 值

首先了解下關於 key 與其 hash 值之間的幾點事實：

1. 相同的 key 確定具備相同的 hash 值；

   應該不用解釋，這是 hash 算法決定的；

2. 不一樣的 key 也可能具備相同的 hash 值；

   由於 hash 算法會將任何長度的數據轉換成一個固定長度的字符串（int 對象除外），因此可能生成的 hash 值的數量是有限的，而可用來計算 hash 值的數據量理論上是無窮的，這就形成兩個數據的 hash 值可能相同

3. 具備相同 hash 值的 key 不必定相同；

   緣由正是由於不一樣的 key 能夠具備相同的 hash 值

4. 具備不一樣 hash 值的 key 確定不一樣

   緣由正是由於相同的 key 具備相同的 hash 值；

dict 是基於哈希表的數據結構，哈希表是一塊連續的內存空間（數組），由於所存儲的 key-value 散落在不一樣的位置上，key-value 之間存在大量的空白空間是很常見的，因此哈希表又稱散列表。
dict 本質就是一個能利用散列函數將 key 轉化爲索引的數組（散列函數+數組），散列函數的功能之一是將 key 值轉換爲數組索引（dict 的 key 具備惟一性的本質是數組索引的惟一性）。在轉換的過程當中，須要對 key 進行 hash 值計算，計算 hash 值的目的是爲了肯定 key 應該存儲在數組中的哪一個位置（索引），即定位，而不是判斷兩個 key 是否相同。由於經過比較 hash 值是沒法判斷兩個 key 是否相同的（參考前面的第 3 點事實），因此當 hash 值相同時，會定位到相同的表元（索引對應的元素），該表元裏的 key 是否與計算的 key 相等還須要進一步判斷。

反正存儲 dict 的元素前仍是計算 key 的 hash 值，但這只是散列函數中的其中一個過程或步驟。

閱讀更多

• 手動漢化 PyCharm 的過程
• 模擬登錄Github
• 字符圖像識別——數字字母混合
• 爬取貓眼實時票房數據