為了刻畫某種關係，現代的程式語言都會提供關聯式的容器。關聯式容器中的元素分別是以（鍵（key）或值（value））這樣的形式存在。例如（3，5）（3，6）就是一對對應的鍵與值。

Python中的關聯式容器是PyDictObject。Python通過PyDictObject建立執行Python位元組碼的執行環境，其中會存放變數名和變數值的元素對，通過查詢變數名獲得變數值。

PyDictObject運用了（hash table）散列表，最優情況下能達到O（1）複雜度的搜尋效率。

散列表：

基本思想：鍵值對映整數，通過一片連續記憶體的索引對應相對的值

雜湊效率高，但是不同的物件運用雜湊函式有可能會產生相同的雜湊值、即是易衝突

相關概念：裝載率（如果散列表一共可以容納10個元素，而當前已經裝入6個元素，那麼裝載率就是6/10）,研究表明當散列表的裝載率大於2/3時，雜湊衝突的發生概率大大增加

解決辦法：開放定址法（通過一個二次探測函式f，計算下一個地址，如果可用則插入不可用則計算下一個候選位置）

缺點：刪除時不能完成刪除元素，否則會造成斷鏈，解決的辦法是：偽刪除

entry/slot ->關聯容器（鍵）

一個entry的定義如下：

typedef struct {  

Py_ssize_t me_hash;  //記錄me_key 的雜湊值，避免每次都要計算

PyObject *me_key;   //指向鍵

PyObject *me_value; //指向值

} PyDictEntry;

因為key和value 都是PyObject，故什麼東西都可以放進去Dict entry有三種狀態： ①Unused態 →key，value = Null ②Active 態 → key！= dummy，key！=Null，value ！= Null ③Dummy 態 → key = Dummy， value = Null 三態的轉換關係如下：
在PyDictObject定義中， 有一個ma_smalltable(PyDict_MINSIZE) 意味著至少有X個entry被建立（在這裡X=8， 可在原始碼修改） 定義是分兩種情況：①元素數目小於8， ma_table 指向 ma_smalltable  ②元素數目大於8, ma_table指向額外記憶體 第一次呼叫PyNew的時候會建立Dummy物件，Dummy則指向一個PyStringObject物件 元素的搜尋：lookdict、lookdict_string-(演算法相同)  後者是為鍵值為String提供便利 因為在python中一PyStringObject物件作為PyDictObject的鍵是十分常見的，故lookdict_string成為了PyDictObject中預設的搜尋演算法 dict的key匹配值有兩層含義： ①引用相同，即兩符號指向同一地址 ②值相同，兩個物件指向不同的地址，但是值相同 e.g.:Python大整數是不共享記憶體的，如下例子：

d = {}
d[9527] = 'Python'
print(d[9527]) 
//上面兩個9527指向不同的地址，但值相同
 

接下來看看第一次搜尋： [1]根據hash獲得entry的索引，這裡是第一個索引 [2]if entry處於Unused態，即字典中無這個key，第一個索引失敗 if entry->me_key ==  key,表明匹配，搜尋成功 [3]if entry 處於Dummy態，設定freeslot（最後如果找不到是會返回freeslot，提示系統這裡有一個dummy，快來用掉它） [4]if entry 處於active ，檢查是否值相同，若相同則搜尋成功 所第一個entry不匹配，則沿著探測鏈，順藤摸瓜，依次比較探測鏈上的entry與帶查詢的key ①若搜尋成功，則ep一定指向一個有效的entry ②若搜尋不成功，此時ep肯定處於一個Unused態的entry 不能直接返回，因為有可能在搜尋鏈的過程中發現dummy，故須返回給Python使用 lookdict_string(有條件限制)（優化） key是PyDictObject

if(!PyString_checkEcact(key)){
    mp->ma_lookup = lookdict;
    return lookdict(mp_key, hash);
}

lookdict_string 效率比lookdict高 元素插入： ep = mp->ma_lookup(mp, key, hash); 成功：

if (ep->me_value != Null){
old_value = ep->me_value;
ep->me_value = new_value;
Py_DECREF(old_value);
Py_DECREF(key);
}

else將key， value覆給ep（ep可以為Dummy，Unused） 在插入元素的動作結束後，會檢查是否需要改變PyDictObject內部ma_table的記憶體大小 條件：當增加元素個數且裝載率大於2/3時 改變記憶體大小由dictresize執行 [1]確定新的table大小，這個大小要大於傳入的數值，從8開始乘以2的指數倍（2的n此方），直到超過傳入的數值 [2]==8，不需要重新分配記憶體，直接指向ma_smalltable [3]>=8,重新分配記憶體 [5]對非Unused做處理，若為active則插入，若為dummy則丟棄，也就是重新做字典，類似一個新字典裡面是沒有dummy的 [6]如果舊的table指向記憶體（>8）則釋放 刪除：與插入很像，先計算hash值，找到相對應的entry，刪除維護的元素，將active轉為dummy，調整table使用情況（ma_used--1） 字典結束