前幾天發了一篇名為 儲存 dict 的元素前是計算 key 的 hash 值？ 的文章，因缺乏相關的背景知識，導致得出了不正確的推論。那篇文章的推論是

在不考慮 hash 衝突的情況下， 'a' 所在記憶體地址的 hash 值與 'b' 所在記憶體地址的 hash 值之間的差值 和 'a' 的記憶體地址與 'b' 的記憶體地址之間的差值 相等，也就是說以下的等式成立才對

hash(id('a')) - hash(id('b')) == hash(id('a')) - hash(id('b'))

簡單說是：儲存 dict 的元素前計算的是 key 所在記憶體地址的 hash 值上面的等式是成立的

>>> hash(id('a')) - hash(id('b')) == hash(id('a')) - hash(id('b'))
True
>>> id('a') - id('b')
1680
>>> hash(id('a')) - hash(id('b'))
1680

但是需要糾正說明的是，我上面的那個推論是錯的！

等式成立的原因

這裡先說上面的等式為什麼成立，因為整數的 hash 值是其本身

>>> a
1234567
>>> hash(a)
1234567

又因為記憶體地址是個整數，所以記憶體地址的 hash 值也是其本身，即和記憶體地址一樣的值

>>> my_dict = {'a': 'apple', 'b': 'banana'}
>>> hash(id('a')) == id('a')
True
>>> id('a')
2673717403464
>>> hash(id('a'))
2673717403464

這就是為什麼這個等式成立

hash(id('a')) - hash(id('b')) == hash(id('a')) - hash(id('b'))

推論錯誤的原因

如果兩個值不同，那麼它們的記憶體地址也不同，這是正確的，但我錯誤的認為如果值相同，那麼記憶體地址也相同。下面是一個具有相同值不同記憶體地址的例子

>>> c = 'a-c'
>>> d = 'a-c'
>>> id(c) == id(d)
False
>>> id(c)
2673720167592
>>> id(d)
2673720167704

注：上面的 c 和 d 雖然值是相同的，但它們不是同一個物件，所以記憶體地址不一樣

回到那個錯誤的推論：

儲存 dict 的元素前計算的是 key 所在記憶體地址的 hash 值

該推論成立的前提之一是：相同的 key 值的記憶體地址必須相同，但事實是像上面的例子一樣，相同的 key 值可以擁有不同的記憶體地址

假設該推論成立的話，就會導致 dict 中出現兩個相同的 key 值，但事實不是這樣的，即便記憶體地址不同，只要值相同就不可以同時作為 dict 的 key，後者會覆蓋前者。

>>> c
'a-c'
>>> d
'a-c'
>>> {c: 0, d: 1}
{'a-c': 1}

因為相同的 key 具有相同的 hash 值

>>> hash(c) == hash(d)
True
>>> hash(c)
-8124728931706162487
>>> hash(d)
-8124728931706162487

儲存 dict 的元素前是計算 key 的 hash 值

首先了解下關於 key 與其 hash 值之間的幾點事實：

1. 相同的 key 肯定具有相同的 hash 值；

   應該不用解釋，這是 hash 演算法決定的；

2. 不同的 key 也可能具有相同的 hash 值；

   因為 hash 演算法會將任何長度的資料轉換成一個固定長度的字串（int 物件除外），所以可能生成的 hash 值的數量是有限的，而可用來計算 hash 值的資料量理論上是無窮的，這就造成兩個資料的 hash 值可能相同

3. 具有相同 hash 值的 key 不一定相同；

   原因正是因為不同的 key 可以具有相同的 hash 值

4. 具有不同 hash 值的 key 肯定不同

   原因正是因為相同的 key 具有相同的 hash 值；

dict 是基於雜湊表的資料結構，雜湊表是一塊連續的記憶體空間（陣列），因為所儲存的 key-value 散落在不同的位置上，key-value 之間存在大量的空白空間是很常見的，所以雜湊表又稱散列表。dict 本質就是一個能利用雜湊函式將 key 轉化為索引的陣列（雜湊函式+陣列），雜湊函式的功能之一是將 key 值轉換為陣列索引（dict 的 key 具有唯一性的本質是陣列索引的唯一性）。在轉換的過程中，需要對 key 進行 hash 值計算，計算 hash 值的目的是為了確定 key 應該儲存在陣列中的哪個位置（索引），即定位，而不是判斷兩個 key 是否相同。因為通過比較 hash 值是無法判斷兩個 key 是否相同的（參考前面的第 3 點事實），所以當 hash 值相同時，會定位到相同的表元（索引對應的元素），該表元裡的 key 是否與計算的 key 相等還需要進一步判斷。

反正儲存 dict 的元素前還是計算 key 的 hash 值，但這只是雜湊函式中的其中一個過程或步驟。

閱讀更多