資訊專欄INFORMATION COLUMN
摘要：大多數(shù)情況下，相比計算這些不同對象類型的值，直接計算對象所在內(nèi)存地址整數(shù)的值性能更高，這也就是為什么不是計算的值，而是計算所在內(nèi)存地址的值閱讀更多手動漢化的過程模擬登陸字符圖像識別數(shù)字字母混合爬取貓眼實時票房數(shù)據(jù)
dict 的高性能與其存儲方式是分不開的，我們知道 dict 的存儲是基于哈希表（又稱散列表），需要計算 hash 值，那么是計算誰的 hash 值呢？是像別人說的：存儲 dict 元素前計算 key 的 hash 值？
驗證這里先創(chuàng)建個字典
>>> my_dict = {"a": "apple", "b": "banana"}
由于哈希表是一塊連續(xù)的內(nèi)存空間（數(shù)組），在不考慮 hash 值沖突的情況下，如果計算的是 key 的 hash 值，那么："a" 的 hash 值與 "b" 的 hash 值之間的差值 與 "a" 的內(nèi)存地址與 "b" 的內(nèi)存地址之間的差值（可理解為內(nèi)存地址里的距離） 相等才對，也就是說以下的等式成立才對
hash("a") - hash("b") == id("a") - id("b")
但事實上面等式返回的是 False
>>> hash("a") - hash("b") == id("a") - id("b")
False
先看看其中各項的具體值是多少
>>> hash("a")
-7336862871683211644
>>> hash("b")
3607308758832868774
>>> id("a")
1290454097736
>>> id("b")
1290454096056
>>> id("a") - id("b")
1680
>>> hash("a") - hash("b")
-10944171630516080418
可以很明顯得看到差距還是挺大的
這說明計算的不是 key 的 hash 值（這種說法不夠嚴(yán)謹(jǐn)），那計算的是什么呢？
在不考慮 hash 沖突的情況下， "a" 所在內(nèi)存地址的 hash 值與 "b" 所在內(nèi)存地址的 hash 值之間的差值 和 "a" 的內(nèi)存地址與 "b" 的內(nèi)存地址之間的差值 相等，也就是說以下的等式成立才對
hash(id("a")) - hash(id("b")) == id("a") - id("b")
>>> hash(id("a")) - hash(id("b")) == id("a") - id("b")
True
>>> id("a") - id("b")
1680
>>> hash(id("a")) - hash(id("b"))
1680
下面再多驗證幾個
>>> my_dict["c"] = "cherry"
>>> hash(id("b")) - hash(id("c")) == id("b") - id("c")
True
>>> id("b") - id("c")
791760
>>> hash(id("b")) - hash(id("c"))
791760
>>> a["d"] = "date"
>>> hash(id("d")) - hash(id("c")) == id("d") - id("c")
True
>>> id("d") - id("c")
1400
>>> hash(id("d")) - hash(id("c"))
1400
到這里就可以證明上面的結(jié)論
為何計算的是 key 所在的內(nèi)存地址的 hash 值？比如上面的"a"（1 個字符） 明顯比其所在的內(nèi)存地址 1290454097736（13 個字符）要短。短的計算不是更快嗎？
記住一句話：Python 中一切皆對象，"a"是個 str 對象，1290454097736 是個 int 對象
>>> type("a")
>>> type(id("a"))
一個對象里不是僅僅存儲對應(yīng)值，它還有很多屬性（含方法），來看看誰的屬性多
>>> len(dir("a"))
77
>>> len(dir(id("a")))
70
str 對象比 int 對象多 7 個屬性
它們都有個叫 __sizeof__() 的魔法方法，用于獲取當(dāng)前對象所占用的內(nèi)存空間大?。ㄗ止?jié)）
>>> id("a").__sizeof__()
32
>>> "a".__sizeof__()
50
從上面可以發(fā)現(xiàn)：雖然 "a" 看起來只有 1 個字符，但其占用的內(nèi)存空間要大于其內(nèi)存地址 id("a") 所占用的空間
當(dāng)然這不是主要原因，Python 解釋器會將其轉(zhuǎn)換為適當(dāng)?shù)臄?shù)據(jù)類型再進行 hash 計算
不過，dict 的 key 不僅僅可以是 str 對象，也可以是 int、bytes、fromzenset 等這些可哈希(hashable)對象，可哈希對象都是不可變(immutable)對象（注意：反之不一定成立，如 tuple），不可變對象內(nèi)存地址不變。大多數(shù)情況下，相比計算這些不同對象類型的 hash 值，直接計算對象所在內(nèi)存地址（整數(shù)）的 hash 值性能更高，這也就是為什么不是計算 key 的 hash 值，而是計算 key 所在內(nèi)存地址的 hash 值
閱讀更多手動漢化 PyCharm 的過程
模擬登陸Github
字符圖像識別——數(shù)字字母混合
爬取貓眼實時票房數(shù)據(jù)
文章版權(quán)歸作者所有，未經(jīng)允許請勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請注明本文地址：http://systransis.cn/yun/42440.html
摘要：前幾天發(fā)了一篇名為存儲的元素前是計算的值的文章，因缺乏相關(guān)的背景知識，導(dǎo)致得出了不正確的推論。反正存儲的元素前還是計算的值，但這只是散列函數(shù)中的其中一個過程或步驟。 前幾天發(fā)了一篇名為 存儲 dict 的元素前是計算 key 的 hash 值？ 的文章，因缺乏相關(guān)的背景知識，導(dǎo)致得出了不正確的推論。那篇文章的推論是 在不考慮 hash 沖突的情況下， a 所在內(nèi)存地址的 hash 值與...
摘要：若對于關(guān)鍵字集合中的任一個關(guān)鍵字，經(jīng)散列函數(shù)映象到地址集合中任何一個地址的概率是相等的，則稱此類散列函數(shù)為均勻散列函數(shù)，這就是使關(guān)鍵字經(jīng)過散列函數(shù)得到一個隨機的地址，從而減少沖突。 導(dǎo)語：本文章記錄了本人在學(xué)習(xí)Python基礎(chǔ)之?dāng)?shù)據(jù)結(jié)構(gòu)篇的重點知識及個人心得，打算入門Python的朋友們可以來一起學(xué)習(xí)并交流。 本文重點： 1、掌握常見的字典創(chuàng)建，查詢，判別方法；2、了解字典中的defa...
摘要：它們都使用來做事件循環(huán)，不過是單線程的服務(wù)器也是多線程的，只不過除了主線程以外，其他線程沒有，只是會進行一些后臺存儲工作，而是多線程的。支持設(shè)置過期時間，即，但是內(nèi)部并不定期檢查數(shù)據(jù)是否過期，而是客戶進程使用該數(shù)據(jù)的時候，會 歡迎大家前往騰訊云+社區(qū)，獲取更多騰訊海量技術(shù)實踐干貨哦~ 本文由Super發(fā)表于云+社區(qū)專欄 memcached和redis，作為近些年最常用的緩存服務(wù)器，相...
摘要：默認(rèn)是英文界面，如果想漢化它，網(wǎng)上有很多相關(guān)的漢化丁可以下載。 showImg(https://segmentfault.com/img/remote/1460000016400154); PyCharm 默認(rèn)是英文界面，如果想漢化它，網(wǎng)上有很多相關(guān)的漢化?丁可以下載。 我的 Pycharm 版本是 pycharm-professional-2018.2.2，這里僅簡單展示手動漢化的原...
閱讀 925·2021-10-18 13:32
閱讀 3527·2021-09-30 09:47
閱讀 2168·2021-09-23 11:21
閱讀 1893·2021-09-09 09:34
閱讀 3493·2019-08-30 15:43
閱讀 1533·2019-08-30 11:07
閱讀 1072·2019-08-29 16:14
閱讀 737·2019-08-29 11:06
