14、python_dictionary存储hash表分析

Dictionary通过名字你就知道它是一个字典，字典的话那就是有一个关键字和值，我们通过关键字来查找对应的值。

Dictionary的内部存储机制：hash表

我们Python中的Dictionary是基于hash表，hash表的存储方式跟树有什么区别呢？首先它的存储空间还是连续的，也就是说它的读取速度会更快，因为如果用树来存储的话，它的读取速度是O(log_n)，而如果我们用hash表来存储的话，它的读取速度是O(1)，也就是说只要经过单次操作就可以直接访问到这个值，它是怎么做到的呢？就是把每一个key都算出hash值，算出来之后我们再以hash值来插入进来，比如上图这个c我们给它算出的hash值是3，那我们就把这个c插入到索引3的位置上来。
这个时候这个速度就很快了，我们下次在查找c的时候怎么做呢？先把c转化成hash值，就得到这个元素的下标3了，我们直接通过下标3一下子就找到这个数据了，所以它的时间复杂度就变成了O(1)，是快速的查找。

但是这样会出现一个问题，对于不同的关键字hash值的计算有可能会一样，不一样的可能性也很大，问题是实际上我们算出的hash值是很大的，比如算出了一个几十万大小的值，那我们能不能拿这个值直接算出下标呢，那你得准备多大的数组啊！所以你肯定要转换，在Python的源码当中它的转换方式很简单，就是做一次与操作：

比方说我这个数组的大小是9，那我就拿c跟9与一下，其实就把这个值的高位全去掉了，那肯定就小于9了，那我们就算出了它的位置3，比方说是1万03的，算出来之后等于3，由于它做了hash的这种与操作之后，那使得你的hash冲突的概率大大的加大了，本来两个不同的字符串生成的同样hash值的概率是很小的，但现在这样做概率就非常大，那我们如何来解决这个冲突呢？

假定我们的c和z生成了同样的hash值3，那我们怎么取访问呢？有多种方法，比方说大家都是3，那我在3下面创建一个链表，但这种方案使得我们的数据不连续了，因为变成链表了，我们其实相当于是一个线性表来存储的。
我们Python采用的方式是开放地址的方法，或者也称之为再散列的算法，它其实就是说，假定我们第一个c插在3这个位置，但是我这个z也是3的时候，因为发生冲突了，它会再做一次散列，它有一个二次探查的函数，二次探查的函数应该是会跳到相应的两倍的位置上去继续查找，就像2分查找一样，从两边开始继续查找，就是使得你第2次再冲突的概率降低，它通过二次探查法假设找到了，把z存在了6这个位置，这样的话下次你在找z这个值的时候，也是做一次散列，再做二次探查，找到对应的key就是6。

这样我们知道了Dictionary的存储方式内部是hash表，它会解决这种hash冲突的问题，你要考虑内部性能的时候都要考虑Python的内部机制。