Python字典为什么快？为什么是乱序？

  最近在看Python数据结构，对字典有了新的认识，mark一下。
  Python的数据类型，以列表和字典的使用最为广泛，其中列表以其强大的增删改查，备受人们的青睐，我个人也特别喜欢列表。但当列表数据过多时，需要查询第n个数据，其性能则为O(n)，此时字典就登场了，以其强大的底层结构，可以做到查询为O(1)，即常量查询，那原因是什么呢？

字典的底层结构

  说到字典的底层结构，实际上是个散列表，那什么是散列表？实际上就是个稀疏数组(总是有空白元素的数组)。这里普及下数组的概念，数组最大的特点是 不管数组有多大，他访问第1项和访问最后一项所需的时间是相同的，原因是数组中的每个元素都有其对应的内存地址，每次存入时，会存入连续的内存地址(如图所示)，一般默认第一项为基本地址，则 其他项都能通过基本地址+偏移量来读取，因此读第n项速度也为O(1)。但缺点是数组在定义时就规定了大小，所以后续的增加元素一旦达到了规定的阈值，则需要进行空间的扩容，而这个阈值一般是数组仅剩1/3空白占位时。

【表1-1】

  回到字典，散列表的底层是稀疏数组，其内部元素单元称为表元，而表元则分为value和key，value可以是任意值，但key必须是散列值(相当于数组中元素的内存地址)，那散列值的存在需要满足两个条件，其一是必须有__hash__魔法方法，该方法的作用是将每个存入的键值对的key转为hash值，也称为散列值，其二是必须有__eq__魔法方法，其作用是保证每个key都不能相同(表2-1/2-2是我截取的字符串关于这两个魔法方法的描述)。而有这两个方法的基本就是不可变对象：如str/int等等，为什么说基本呢？因为不可变对象中元组不一定满足，当元组内嵌套列表时，此时则不是一个散列值，如果当作key，则会报警unhashable type(如表3-1)
【表2-1】

【表2-2】

【表3-1】

  讲解完了散列表的构成，此时来说明下散列表的算法，当我们在查询key时(即dict[key])，此时Python会先将key转换为对应的hash值，把这个值最低的几位数字作为偏移量来查找表元，找不到则报KeyError，找到了比较表元中的key和所查找的是否一致，一致则返回对应的value。但有个问题，此时可能会出现表元找到了，但key对不上的情况，这称之为散列冲突。散列冲突的解决方法很简单，就是Python将查询的hash值再重新取部分来查找，如果找不到表元，则报错，找到了，再判断key是否相等，相等则返回；或者又发现了散列冲突，则重复以上步骤，相关流程如表4-1。
【表4-1】

无序的字典

  经过以上两部分的讲解，对于字典的实现原理有了初步的了解，懂了字典的快实际上就是数组的特性。那为什么会是无序的呢？这实际上是两方面的原因构成，分别是数组的特性和散列冲突的特性。

  在说明这两个原因之前，先说个概论，字典的快是建立在用空间换时间，切记！还记得之前说的，数组缺点是在创建时规定了大小，当其空白占位达到其大小的1/3时，Python会重新引入一个更大的空间，此时会将原有空间的元素一一拷贝，再将新增的元素一一拷贝进去，所以这会造成巨大的空间浪费，同时在产生新空间的同时，会同步规划元素的hash值(hash值会变得更大)，此时由于hash值的不同，则可能导致键的次序不同。另一个原因则是散列冲突，当添加新建的时候发现散列冲突，则新键可能会被安排到另一个位置，于是添加的元素可能就会跑到前方去了。以上就是关于无序的字典解释。

参考文献

---

1. 《数据结构—Python语言描述》
2. 《流畅的Python》