奇怪的 Python 集合和哈希行为 - 这是如何工作的？答案

【问题标题】：Strange Python set and hash behaviour - how does this work?奇怪的 Python 集合和哈希行为 - 这是如何工作的？
【发布时间】：2010-01-29 01:02:43
【问题描述】：

我有一个名为 GraphEdge 的类，我希望通过其 tail 和 head 成员在一个集合（内置 set 类型）中唯一定义它，这些成员是通过 __init__ 设置的.

如果我没有定义 __hash__，我会看到以下行为：

>>> E = GraphEdge('A', 'B')
>>> H = GraphEdge('A', 'B')
>>> hash(E)
139731804758160
>>> hash(H)
139731804760784
>>> S = set()
>>> S.add(E)
>>> S.add(H)
>>> S
set([('A', 'B'), ('A', 'B')])

集合无法知道 E 和 H 根据我的定义是相同的，因为它们具有不同的哈希值（据我所知，这是集合类型用来确定唯一性的方法），所以它添加了两者都是不同的元素。所以我为GraphEdge 定义了一个相当幼稚的哈希函数，如下所示：

def __hash__( self ):
    return hash( self.tail ) ^ hash( self.head )

现在上述工作按预期工作：

>>> E = GraphEdge('A', 'B')
>>> H = GraphEdge('A', 'B')
>>> hash(E)
409150083
>>> hash(H)
409150083
>>> S = set()
>>> S.add(E)
>>> S.add(H)
>>> S
set([('A', 'B')])

但很明显，('A', 'B') 和 ('B', 'A') 在这种情况下将返回相同的哈希值，所以我希望我不能将 ('B', 'A') 添加到已经包含 ('A', 'B') 的集合中。但事实并非如此：

>>> E = GraphEdge('A', 'B')
>>> H = GraphEdge('B', 'A')
>>> hash(E)
409150083
>>> hash(H)
409150083
>>> S = set()
>>> S.add(E)
>>> S.add(H)
>>> S
set([('A', 'B'), ('B', 'A')])

那么集合类型是否使用散列？如果是这样，最后一种情况怎么可能？如果不是，为什么第一个场景（没有定义__hash__）不起作用？我错过了什么吗？

编辑：供未来读者参考，我已经定义了__eq__（也基于tail 和head）。

【问题讨论】：

标签： python hash set

【解决方案1】：

你有一个哈希冲突。在哈希冲突时，该集合使用 == 运算符来检查它们是否真正彼此相等。

【讨论】：

啊，有道理。总是简单地返回 0 作为哈希值以强制设置为使用 == 运算符会更好吗？我看不出它会比散列函数本身引入更多的开销。
确保每个对象都会发生哈希冲突，这肯定会影响您的性能。哈希用于归档集合内的对象。
@jleedev：注意，谢谢。现在使用更好的哈希函数。

【解决方案2】：

了解 hash 和 == 如何协同工作很重要，因为两者都被集合使用。对于两个值 x 和 y，重要的规则是：

x == y ==> hash(x) == hash(y)

（x 等于 y 意味着 x 和 y 的哈希值相等）。但是，反之则不然：两个不相等的值可以有相同的哈希值。

Sets（和 dicts）将使用散列来获得相等的近似值，但将使用真正的相等运算来确定两个值是否相同。

【讨论】：

【解决方案3】：

如果您至少需要其中一个，则应始终定义__eq__() 和__hash__()。如果两个对象的哈希值相等，则会进行额外的__eq__() 检查以验证唯一性。

【讨论】：