Python字典底层实现原理

字典是否是有序

　　在python3.6之前，字典是无序的，但是python3.7+，字典是有序的

　　在3.6中，字典有序是一个implementation detail，在3.7才正式成为语言特性，因此3.6中无法确保100%有序

字典的查询、添加、删除的时间复杂度

　　字典的查询、添加、删除的平均时间复杂度都是O(1)，相比列表与元祖，性能更优。

字典的实现原理

　　python3.6之前的无序字典

　　字典底层是维护一张哈希表，可以把哈希表堪称一个列表，哈希表中的每一个元素又存储了哈希值(hash)、键(key)、值(value)3个元素

?

1 2 3 4 5 6 7

enteies = [     ['--', '--', '--'],     [hash, key, value],     ['--', '--', '--'],     ['--', '--', '--'],     [hash, key, value], ]

　　带入具体的数值来介绍

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39

# 给字典添加一个值，key为hello，value为word # my_dict['hello'] = 'word'   # hash表初始如下 enteies = [     ['--', '--', '--'],     ['--', '--', '--'],     ['--', '--', '--'],     ['--', '--', '--'],     ['--', '--', '--'], ]   hash_value = hash('hello')  # 假设值为 12343543   index = hash_value & ( len(enteies) - 1)  # 假设index值计算后等于3   # 下面会将值存在enteies中 enteies = [     ['--', '--', '--'],     ['--', '--', '--'],     ['--', '--', '--'],     [12343543, 'hello', 'word'],  # index=3     ['--', '--', '--'], ]   # 继续向字典中添加值 # my_dict['color'] = 'green'   hash_value = hash('color')  # 假设值为 同样为12343543 index = hash_value & ( len(enteies) - 1)  # 假设index值计算后同样等于3   # 下面会将值存在enteies中 enteies = [     ['--', '--', '--'],     ['--', '--', '--'],     ['--', '--', '--'],     [12343543, 'hello', 'word'],  # 由于index=3的位置已经被占用，且key不一样，所以判定为hash冲突，继续向下寻找     [12343543, 'color', 'green'],  # 找到空余位置，则保存 ]

　　enteies表是稀疏的，随着我们插入的值不同，enteies表会越来越系数(enteies也是一个会动态扩展长度的，每一此扩展长度，都会重新计算所以key的hash值)，所以新的字典实现就随之出现

　　python3.7+后的新的实现方式

　

 

 　　python3.7+带入数据演示

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

# 给字典添加一个值，key为hello，value为word # my_dict['hello'] = 'word'   # 假设是一个空列表，hash表初始如下 indices = [None, None, None, None, None, None] enteies = []   hash_value = hash('hello')  # 假设值为 12343543 index = hash_value & ( len(indices) - 1)  # 假设index值计算后等于3   # 会找到indices的index为3的位置 indices = [None, None, None, 0, None, None] # 此时enteies会插入第一个元素 enteies = [     [12343543, 'hello', 'word'] ]   # 我们继续向字典中添加值 my_dict['haimeimei'] = 'lihua'   hash_value = hash('haimeimei')  # 假设值为 34323545 index = hash_value & ( len(indices) - 1)  # 假设index值计算后等于 0   # 会找到indices的index为0的位置 indices = [1, None, None, 0, None, None] # 此时enteies会插入第一个元素 enteies = [     [12343543, 'hello', 'word'],     [34323545, 'haimeimei', 'lihua'] ]

　　查询字典

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

# 下面是一个字典与字典的存储 more_dict = {'name': '张三', 'sex': '男', 'age': 10, 'birth': '2019-01-01'}   # 数据实际存储 indices = [None, 2, None, 0, None, None, 1, None, 3] enteies = [     [34353243, 'name', '张三'],     [34354545, 'sex', '男'],     [23343199, 'age', 10],     [00956542, 'birth', '2019-01-01'], ]   print(more_dict['age'])  # 当我们执行这句时   hash_value = hash('age')  # 假设值为 23343199 index = hash_value & ( len(indices) - 1)  # index = 1   entey_index = indices[1]  # 数据在enteies的位置是2 value = enteies[entey_index]  # 所以找到值为 enteies[2]

时间复杂度

　　字典的平均时间复杂度是O(1)，因为字典是通过哈希算法来实现的，哈希算法不可避免的问题就是hash冲突，Python字典发生哈希冲突时，会向下寻找空余位置，直到找到位置。如果在计算key的hash值时，如果一直找不到空余位置，则字典的时间复杂度就变成了O(n)了。

常见的哈希冲突解决方法

　　开放寻址法（open addressing）

　　开放寻址法中，所有的元素都存放在散列表里，当产生哈希冲突时，通过一个探测函数计算出下一个候选位置，如果下一个获选位置还是有冲突，那么不断通过探测函数往下找，直到找个一个空槽来存放待插入元素。

　　再哈希法

　　这个方法是按顺序规定多个哈希函数，每次查询的时候按顺序调用哈希函数，调用到第一个为空的时候返回不存在，调用到此键的时候返回其值。

　　链地址法

　　将所有关键字哈希值相同的记录都存在同一线性链表中，这样不需要占用其他的哈希地址，相同的哈希值在一条链表上，按顺序遍历就可以找到。

　　公共溢出区

　　其基本思想是：所有关键字和基本表中关键字为相同哈希值的记录，不管他们由哈希函数得到的哈希地址是什么，一旦发生冲突，都填入溢出表。

原文：https://blog.csdn.net/General_zy/article/details/122038164