实习总结（二）——Python字典的底层原理

Python学习总结（二）

文章中会用星号‘*’重点标记Python与C++不同的部分。

*字典的底层原理

Python的字典类似C++中的unordered_map，也就是底层为哈希表，但解决地址冲突的方法并不是链地址法，而是一种特殊的方法，后文会详细介绍。Python中哈希表的每个单元也叫bucket，但一个bucket中只存储一个键值对。
同时，Python中的字典的键也是不能重复的。

将一个键值对放进字典时发生了什么

>>> a = {
   }
>>> a["name"] = "gaoqi"

假设字典a 对象创建完后，数组长度为8：

1. 计算键”name”的散列值。Python 中可以通过hash()来计算。

>>> bin(hash("name"))
'-0b1010111101001110110101100100101'

2. 由于数组长度为8，我们可以拿计算出的散列值的最右边 log2(8) = 3 位数字作为偏移量，即"101"，十进制是数字5。我们查看偏移量5，对应的bucket 是否为空。如果为空，则将键值对放进去。
3. 如果不为空，则依次取右边3 位作为偏移量，即"100"，十进制是数字4。再查看偏移量为4 的bucket 是否为空。直到找到为空的bucket 将键值对放进去。

流程图如下：

扩容机制

Python 会根据哈希表的拥挤程度扩容。在哈希表装载因子接近2/3 时，就会产生扩容。扩容时要将原先表中所有元素移动到新的表，因此效率不高。

访问字典中的元素

当我们调用a.get(“name”)，就是根据键"name"查找到“键值对”，从而找到值对象“gaoqi”。

>>> a.get("name")
'gaoqi'

1. 仍然要计算"name"对象的散列值：

>>> bin(hash("name"))
'-0b1010111101001110110101100100101'

2. 和存储的底层流程一致，也是依次取散列值的不同位置的数字。假设数组长度为8，我们可以拿计算出的散列值的最右边3位数字作为偏移量，即"101"，十进制是数字5。我们查看偏移量5，对应的bucket 是否为空。如果为空，则返回None。
3. 如果不为空，则将这个bucket 的键对象计算对应散列值，和我们的散列值进行比较，如果相等。则将对应“值对象”返回。如果不相等，则再依次取其他几位数字，重新计算偏移量。依次取完后，仍然没有找到。则返回None。

流程图如下：