python 哈希表_Python字典的内部实现：数据结构哈希表

散列表(哈希表、Hash Table)是基本的数据结构之一，综合了数组和链表的优点，平均情况下，在查找、删除、插入操作上，都能实现O(1)的复杂度。本文介绍哈希表的内部基本原理：hash()函数的设计和冲突的解决；并简单介绍python内部dict的实现。

hash()函数：将key映射为index

哈希表中内部有一块连续的内存区域，即数组，但与数组不同，哈希表通过 hash()函数将一个元素的key映射成该内部数组的索引，该key可以为字符串、整数、浮点数、或复杂的数据结构(比如Python的元组Tuple)。

hash例子

一个好的hash()函数的设计，需要满足均匀散列假设，即每个关键字都等概率的映射为内部数组中的任意一个索引。一个极端的设计反例，所有的关键字都映射为同一个索引，这种情况下或等价于链表(如果冲突通过链表解决)，或等价于数组(如果冲突用数组实现)，哈希表的优点就体现不出来。

最好一个元素的key的所有位(bit) 均参与hash()的生成， 如果用除法散列法，hash(x) = x % m, 一个不太接近2的整数幂的素数，通常是一个较好的选择。

冲突的解决方法

虽然我们可以通过精心设计散列函数来尽量减少冲突的概率，但冲突是不可避免的。解决冲突的常用方法有两类：一类是通过链接法(Chaining)，一类是开放寻址法(Open Addressing)。

对于一个能存放n个元素的，具有m大小的内部数组的哈希表，定义装载因子 (Load factor)定义为a=n/m。

链接法中，冲突的元素都放在一个链表中，如果hash()设计好，链表会很短，性能也会很好。在简单均匀散列假设下，可以证明查找的复杂度为O(1+a)

另外一种方法，是开放寻址法，所有的元素存放在内部数组中，没有链表。插入一个元素，会不断尝试检查散列表，直到成功为止。映射函数 hash(key)会通过为hash(key, 0), hash(key, 1), …, hash(key, m-1)不断尝试，这个过程称为探查，最长的探查次数为m，这m次探查对应的索引为 0,1,…,m-1的一个排列。

可以证明，在简单均匀散列假设下，对于一次不成功的查找，复杂度为 O(1/(1-a))，对于一次成功的查找，为O(1/a log(1/(1-a))。a越大，性能越差，举例如下:

python字典内部实现

python的字典类内部是通过Hash Table实现的，冲突解决方案为开放寻址法，需要说明的，内部的数组，会动态扩容以保证性能(看上图，通过降低装载因子，来提高性能)，这也是为什么python中字典对象可以一直往里面插入元素的原因之一。具体实现详情可看cpython 的源码，对应dictobject.c文件。

可以通过插入时间的分析，来有个感性的感受。下图中的插入时间会有毛刺现象，毛刺的产生(即插入时间的突然变大)，应该就是在内部的数组在扩容导致。

散列表的插入时间源码

横坐标为索引；纵坐标为的插入时间

总结

散列表内部的原理主要是hash()函数的设计和冲突的解决，来达到O(1)的插、删、查的复杂度。Python字典的实现，就是散列表，内部通过扩容，保证性能和易用。明白上述观点，在以后的编程中对何时用dict会提高性能会了然于胸，比如最简单的两数之和。