什么？python dict字典有序了？！
结论 太长不看系列
有人问我为啥我先放结论呢，因为下面内容太多了，不想看又想找结论的同学们帮你们节约时间。
从python3.6开始，dict的插入变为有序，即字典整体变的有序；
而之前的版本，比如python2.7，对于字典的插入是乱序的，即插入a,b,c，返回结果顺序可能是a,c,b。
文章目录
- 结论 ~~太长不看系列~~
- 背景
- 基础知识
-
- 什么是字典？
- 字典的查询、添加、删除的时间复杂度？
- 字典的key可以重复么？
- 源码探秘
-
- python3.6之前
- python3.6之后
- 参考资料
背景
今天在做一个项目的时候，需要用到字典，但是又想数据按照字典key插入的顺序进行排序，根据python2.7的经验，字典是乱序的，于是在查资料的过程中发现了一个宝藏package叫OderedDict，顾名思义就是有序字典，也就是按照插入顺序进行排序的一个字典。然后就用这个开发了呗。
但是一个偶然的机会有人问我能不能不用这个OderedDict，因为还要import这个东西，太麻烦了。我寻思你嫌麻烦还是别写python了吧，这么简单的操作不适合你，但是还是要沉住气，憋住屁，帮他想想办法。然后我就去查python的dict，惊奇的发现python3的字典居然是有序的了？！
这令我十分诧异，于是便有了以下的源码探秘。
基础知识
给一些新手们普及一些基础知识吧，这样在源码探秘过程中会容易理解一下。
什么是字典？
在计算机科学中，关联数组（英语：Associative Array），又称映射（Map）、字典（Dictionary）是一个抽象的数据结构，它包含着类似于（键key，值value）的有序对。字典是一个可变容器，可以存储任意类型的对象。字典的实现和哈希算法也有紧密关系，key和value的映射便是通过哈希（hash）来实现的。
字典的查询、添加、删除的时间复杂度？
平均时间复杂度都是O(1)。注意这里提到的是平均时间复杂度，最坏情况是O(n)，后文会提到原因。
字典的key可以重复么？
问这个问题的大概没用过字典吧
通常来讲，不可以重复，如果重复赋值了，后面的值会覆盖前面的值。为啥说通常来讲呢，因为万一以后有什么神人搞了个什么奇怪的概念可以重复了呢（手动狗头）。
源码探秘
python3.6之前
字典的底层实现实际就是一张hash表，简单可以理解为一个列表，列表中的每一个元素又保存了三个元素，分别是哈希值（hash value）、键（key）和值（value）。
entries = [
["--", "--", "--"],
["--", "--", "--"],
[hash_value_1, key1, value1],
[hash_value_2, key2, value2]
]
# 类似这个样子
通过这个列表，不难看出每两个元素之前存在一些空隙，这些空隙当然是给后续进来的值准备的啦，我们来看看是怎么实现插入的。
- 通过hash函数对key进行hash，得到hash value；
- mask做与（and）操作，这里设定mask为
字典最小长度 - 1，得到一个数字（index），这就是要插入的entries哈希表中的位置； - 若index下标位置已经被占用，则会判断entries的key是否与要插入的key是否相等；
- 如果key相等就表示key已存在，则更新value值；
- 如果key不相等，就表示hash conflict，出现哈希冲突，则会继续向下寻找空位置，一直到找到剩余空位为止。因此，若所有位置都被占满，则需要O(n)的时间复杂度来遍历整个列表。
我们通过代码来理解一下这个过程
my_dict = {
}
# 给字典添加一个值，key为hello，value为world
my_dict["hello"] = "world"
# 假设是一个空列表，hash表初始如下
entries = [
["--", "--", "--"],
["--", "--", "--"],
["--", "--", "--"],
["--", "--", "--"]
]
hash_value = hash("hello") # 假设值为 11111 注：以下计算值均为释例
index = hash_value & ( len(entries) - 1) # 假设index值计算后等于2
# 下面会将值存在entries中
entries = [
["--", "--", "--"],
["--", "--", "--"],
[11111, "hello", "world"], # index=2
["--", "--", "--"]
]
# 我们继续向字典中添加值
my_dict["benz"] = "car"
hash_value = hash("benz") # 假设值又为 11111
index = hash_value & ( len(entries) - 1) # 假设index值计算后同样等于2
# 下面会将值存在entries中
entries = [
["--", "--", "--"],
["--", "--", "--"],
[11111, "hello", "world"], # 由于index=2的位置已经被占用，且key不一样，所以判定为hash conflict，向下寻找空位
[11111, "benz", "car"] # 找到空余位置并进行插入
]
通过上面的原理解读和代码流程讲解，我们已经了解了字典的插入的过程。我们可以看到，不同的key通过hash计算的出的index值可能是不一样的，在entries中插入的位置不一样，所以当我们遍历字典的时候，字段的顺序与我们插入的顺序是会出现不相同的。
python3.6之后
以前的字典只有一张简单的hash table，新的字典不仅有一张hash table，还有一张indices索引表加以辅助，于是便可以实现字典的有序。
新的结构：
indices = [index0, index0, index0, None]
entries = [
[hash_value_0, key0, value0],
[hash_value_1, key1, value1],
[hash_value_2, key2, value2],
["--", "--", "--"],
]
具体的实现过程又有怎样的变化呢？
- 通过hash函数对key进行hash，得到hash value；
- mask做与（and）操作，这里设定mask为
字典最小长度 - 1，得到一个数字（index），这就是要插入的indices索引表中的位置； - 得到index后，对应到indices的位置，但是此位置不是存的hash value，而是存序号，表示该值在entries中的位置；
- 若无冲突，则插入entries中的相应元素；
- 冲突处理与之前一致。
下面从代码实现上我们再来看看
my_dict = {
}
# 给字典添加一个值，key为hello，value为world
my_dict["hello"] = "world"
# 假设是一个空列表，hash表初始如下
indices = [None, None, None, None]
entries = [
["--", "--", "--"],
["--", "--", "--"],
["--", "--", "--"],
["--", "--", "--"]
]
hash_value = hash('hello') # 假设值为 11111
index = hash_value & ( len(indices) - 1) # 假设index值计算后等于2
# 会找到indices的index为2的位置，并插入entries的长度
indices = [None, None, 0, None]
# 此时entries会插入这个元素
entries = [
["--", "--", "--"],
["--", "--", "--"],
[11111, "hello", "world"],
["--", "--", "--"]
]
# 我们继续向字典中添加值
my_dict["benz"] = "car"
hash_value = hash("benz") # 假设值为 22222
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，并插入entries的长度
indices = [1, None, 0, None]
# 此时entries会修改相应index的值
entries = [
[22222, "benz", "car"],
["--", "--", "--"],
[11111, "hello", "world"],
["--", "--", "--"],
]
因此，在有indices表加持的情况下，整个hash table可以变的有序起来，这也就解释了为什么dict可以有序。
参考资料
[Python-Dev] Python 3.6 dict becomes compact and gets a private version; and keywords become ordered. https://mail.python.org/pipermail/python-dev/2016-September/146327.html