一、说明

        在python中，每个数据都是对象的。可是对象与对象是不同的。可以分可哈希对象和不可哈希对象，其存储方式不同。本文针对这个话题展开。

二、“可哈希”在Python中是什么意思？

2.1 什么是哈希(hashable)？

        解释python中可哈希对象的工作原理，必须首先了解术语“哈希”。

        散列（哈希）是计算机科学中的一个概念，用于创建高性能的伪随机访问数据结构，在该结构中要快速存储和访问大量数据。

        例如，如果您有10,000个电话号码，并且想要将它们存储在一个数组中（这是一个顺序数据结构，可将数据存储在连续的内存位置中，并提供随机访问），但是您可能没有所需的连续数量内存位置。

        您可以改为使用大小为100的数组，并使用哈希函数将一组值映射到相同的索引，并且这些值可以存储在链接列表中。这提供了类似于阵列的性能。至于这个原理细节可以参照我的博客：

      【数据管理】谈谈哈希原理和散列表_无水先生的博客-CSDN博客

2.2 python的可哈希对象

          简要的说可哈希的数据类型，即不可变的数据结构(数字类型（int，float，bool）字符串str、元组tuple、自定义类的对象)。

       所有不可变类型列表：

int, float, decimal, complex, bool, string, tuple, range, frozenset, bytes

        所有可变类型列表：

list, dict, set, bytearray, user-defined classes

        为什么不可变数据类型是可哈希hashable的呢？ 

        对于不可变类型而言，不同的值意味着不同的内存，相同的值存储在相同的内存，如果将我们的不可变对象理解成哈希表中的Key,将内存理解为经过哈希运算的哈希值Value，这不正好满足哈希表的性质嘛。

        如果对象的哈希值在其生命周期内始终不变（需要一个__hash__()方法），并且可以与其他对象进行比较（需要一个__eq__()or __cmp__()方法），则该对象是可哈希的。比较相等的可哈希对象必须具有相同的哈希值。

散列性使对象可用作字典键和set成员，因为这些数据结构在内部使用散列值。

Python的所有不可变内置对象都是可哈希的，而没有可变容器（例如列表或字典）是可哈希的。作为用户定义类实例的对象默认情况下可哈希化；它们都比较不相等，并且其哈希值是id()。

2.3 实验和说明

        用若干实验直接说明问题：

        实验1：常规变量理解，在变量不可变的情况，相同的值具备相同地址:

         理解什么是可变对象mutable与不可变对象inmutable。以及明白哈希值value的唯一性。

import numpy as npa1 = 100
a2 = 100
a3 = 100
a4 = 200
a5 = 200
print( id(a1),id(a2),id(a3),id(a4),id(a5))b1 = [1,2,3,4]
b2 = [1,2,3,4]
print(id(b1),id(b2))c1 = (1,2,3,4,5,6)
print(hash(a1),hash(a2))
print(hash("b1"))

C:\anaconda3\python.exe C:/Users/yan/PycharmProjects/speechDev/myroad/tan.py
140726921526112 140726921526112 140726921526112 140726921529312 140726921529312
2368347700936 2368347700744
100 100
-7628306277453902763

Process finished with exit code 0

---

        实验2：任何不可变的东西（定义以后不能修改、追加、删除，类似于C++的const关键词）都可以被散列。

        除了要查找的哈希函数（如果有类）之外，还可以通过例如。dir(tuple)寻找__hash__方法（该方法返回布尔值，是或否），这里有一些例子

#x = hash(set([1,2])) #set unhashable
x = hash(frozenset([1,2])) #hashable
#x = hash(([1,2], [2,3])) #tuple of mutable objects, unhashable
x = hash((1,2,3)) #tuple of immutable objects, hashable
#x = hash()
#x = hash({1,2}) #list of mutable objects, unhashable
#x = hash([1,2,3]) #list of immutable objects, unhashable

        实验3：根据Python词汇表的理解，当您创建可哈希对象的实例时，还会根据实例的成员或值来计算不可更改的值。

        例如，该值随后可以用作字典中的键，如下所示：

>>> tuple_a = (1,2,3)
>>> tuple_a.__hash__()
2528502973977326415
>>> tuple_b = (2,3,4)
>>> tuple_b.__hash__()
3789705017596477050
>>> tuple_c = (1,2,3)
>>> tuple_c.__hash__()
2528502973977326415
>>> id(a) == id(c)  # a and c same object?
False
>>> a.__hash__() == c.__hash__()  # a and c same value?
True
>>> dict_a = {}
>>> dict_a[tuple_a] = 'hiahia'
>>> dict_a[tuple_c]
'hiahia'

        我们可以发现tuple_a和tuple_c的哈希值相同，因为它们具有相同的成员。当我们将tuple_a用作dict_a中的键时，我们可以发现dict_a [tuple_c]的值相同，这意味着，当它们用作dict中的键时，它们将返回相同的值，因为哈希值是相同。对于那些不可哈希的对象，方法哈希定义为“无”：

>>> type(dict.__hash__) 
<class 'NoneType'>

        我猜这个哈希值是在实例初始化时计算出来的，而不是以动态方式计算的，这就是为什么只有不可变对象才可以哈希的原因。希望这可以帮助。

        实验4：当我在Python 3中运行hash（'Python'）时，结果为5952713340227947791。不同版本的Python可以自由更改基础哈希函数，因此您可能会获得不同的值。重要的是，无论我现在多次运行hash（'Python'），还是始终使用相同版本的Python获得相同的结果。

        但是hash（'Java'）返回1753925553814008565。因此，如果要散列的对象发生了变化，结果也将发生变化。另一方面，如果我正在哈希的对象没有更改，则结果保持不变。

        为什么这么重要？

        例如，Python字典要求键是不可变的。即，键必须是不变的对象。字符串在Python中是不变的，其他基本类型（int，float，bool）也是如此。元组和冻结集也是不可变的。另一方面，列表不是不可变的（即，它们是可变的），因为您可以更改它们。同样，字典是易变的。

因此，当我们说某事是可哈希的时，我们表示它是不可变的。如果我尝试将可变类型传递给hash（）函数，它将失败：

>>> hash('Python')
1687380313081734297
>>> hash('Java')
1753925553814008565
>>>
>>> hash([1, 2])
Traceback (most recent call last):File "<stdin>", line 1, in <module>
TypeError: unhashable type: 'list'
>>> hash({1, 2})
Traceback (most recent call last):File "<stdin>", line 1, in <module>
TypeError: unhashable type: 'set'
>>> hash({1 : 2})
Traceback (most recent call last):File "<stdin>", line 1, in <module>
TypeError: unhashable type: 'dict'
>>>
>>> hash(frozenset({1, 2}))
-1834016341293975159
>>> hash((1, 2))
3713081631934410656

查看英文原文

2.4 什么是不可哈希(unhashable)？

        同理，不可哈希的数据类型，即可变的数据结构 (字典dict，列表list，集合set)

        对于可变对象而言，比如一个列表，更改列表的值，但是对象的地址本身是不变的，也就是说不同的Key,映射到了相同的Value，这显然是不符合哈希值的特性的，即出现了哈希运算里面的冲突。如下：

a=[1,2,3]
print(id(a))
def func(p):p.append(4)return pb=func(a)
print(id(b))
'''2399750863880 是一样的哦2399750863880'''

        这种不能叫可哈希： 如果此时对a和b使用hash函数，则会出错，如下：

        TypeError: unhashable type: 'list'

三、更深的可哈希对象与不可哈希对象的理解

3.1 __hash__魔方函数

并不是说哈希值就是它本身哈，一个对象的哈希值是什么取决于__hash__魔方函数

再看一个例子：

In [24]: x="ilove"
In [25]: y="i"+"love"
In [26]: z="iloveyou"In [27]: id(x),id(y),id(z)
Out[27]: (3122841661600, 3122841661600, 3122841929584) # x,y的id是一样的
In [28]: hash(x),hash(y),hash(z)Out[28]: (4255912298523051991, 4255912298523051991, -3820205610162521985) # x,y 的哈希值是一样的

3.2 有关操作函数

        如果一个对象是可哈希的,那么在它的生存期内必须不可变(而且该对象需要一个哈希函数),而且可以和其他对象比较(需要比较方法).比较值相同的对象一定有相同的哈希值，即一个对象必须要包含有以下几个魔术方法：

• __eq__():用于比较两个对象是否相等
• __cmp__():用于比较两个对象的大小关系，它与__eq__只要有一个就可以了
• __hash__()：实际上就是哈希函数（散列函数），返回经过运算得到的哈希值

前面既然说了整数int是可哈希对象，不放我们看一下它具不具备这几个魔术方法：

In [51]: a=100
In [52]: dir(a)
Out[52]:[...'__eq__',...'__hash__',...]

1. 我们发现他的确具有上面说的这几个魔术方法。列表是不可哈希的，我们看一下列表的魔术方法有哪一些：

In [54]: a=[1,2,3]In [55]: dir(a)Out[55]:[...'__eq__',...'__hash__',...']

        我们发现一个问题，为什么可变对象list明明是不可哈希的，为什么也有着两个方法呢？

        因为所有类型的基类object中实现了这两个魔术方法，但是并不是说有这两个方法就一定是可哈希的，关键是要如何实现__eq__()方法和__hash__()方法，list并没有实现，只是有这几个魔术方法而已，在实现的里面出发了上面的异常。我们可以看一下基类object的魔术方法，如下：

In [56]: dir(object)Out[56]:[...'__eq__',...'__hash__',...]

3.3  自定义类型的对象是否可哈希的呢？

看一下如下代码：

class Animal:def __init__(self, name):self.name=namedef eat(self):print("i love eat !")a=Animal("dog")print(hash(a)) # 83529594295

        我们发现自定义的类的对象是可哈希的，虽然我们不知道这个哈希值是如何得到的，但是我们知道他的确是可哈希对象。

        上面说了哈希值的计算实际上是通过__hash__魔术方法来实现的，我们不妨自定义一下类的魔术方法，如下：

class Animal:
def __init__(self, name):
self.name=name
def __hash__(self): # 自定义哈希函数
return 1000 # 注意哈希函数的返回值要是integer哦！
def eat(self):
print("i love eat !")
a=Animal("dog")
print(hash(a)) # 返回 1000

        现在对于什么是python的可哈希对象和哈希函数如何实现应该有了比较清楚的了解了。

四、为什么字典 key 必须是不可变的（可哈希hashable）？

4.1 字典如何在 CPython 中实现？

        CPython 的字典实现为可调整大小的哈希表。与 B-树相比，这在大多数情况下为查找（目前最常见的操作）提供了更好的性能，并且实现更简单。

        字典的工作方式是使用 hash() 内置函数计算字典中存储的每个键的 hash 代码。hash 代码根据键和每个进程的种子而变化很大；例如，"Python" 的 hash 值为-539294296，而"python"(一个按位不同的字符串)的 hash 值为 1142331976。然后，hash 代码用于计算内部数组中将存储该值的位置。假设您存储的键都具有不同的 hash 值，这意味着字典需要恒定的时间 -- O(1)，用 Big-O 表示法 -- 来检索一个键。

4.2 字典 key 必须是不可变的（可哈希hashable）

        字典的哈希表实现使用从键值计算的哈希值来查找键。

（1）为什么可变对象不能作为键Key？

        先来看一个简单的例子：

1. d = {[1, 2]: '100'} # 构造一个字典，key是列表[1,2] ，是一个可变对象，是不可哈希的

2. print(d[[1, 2]]) # 通过key去访问字典的值，触发keyerror异常

复制

为什么会触发异常呢？哈希按其地址（对象 id）列出的。在上面的两行代码中，第一行中的key是一个列表对象[1,2],第二行中要访问的的时候的那个key虽然也是[1,2]，但是由于列表list是可变对象，虽然这两行的列表值一样，但是他们并不是同一个对象，它们的存储地址是不一样的，即id是不一样的，id不一样也导致了根据id计算得到的哈希值是不一样的，自然没有办法找到原来的那一个[1,2]的哈希值在哪里了。

注意：这需要能够很好的理解可变对象与不可变对象的内存分配才好哦！

（2）为什么不可变对象能作为键Key？

将上面例子中的列表[1,2]换成元组（1,2），先来看一个简单的例子：

1. d = {(1, 2): '100'} # 构造一个字典，key是元组(1,2) ，是一个不可变对象，是可哈希的

2. print(d[(1, 2)]) # 通过key去访问字典的值，打印 '100'

        为什么这里不会触发异常呢？哈希按其地址（对象 id）列出的。在上面的两行代码中，第一行中的key是一个元组对象（1,2），第二行中要访问的的时候的那个key也是（1,2），但是由于元组tuple是不可变对象，那么这两行的元组值一样，所以它们的存储地址是一样的，即id是一样的，id一样也导致了根据id计算得到的哈希值是一样的，哈希值一样我自然可以搜索得到那个100在哪个地方了。

五、总结

1）凡是有常量性质的对象可以哈希化。

2）正是常量这种不变性质，可以将它们的内容（或值）映射到具体地址上（想想，如果内容可变是不是地址映射不唯一？）

3）可哈希下有一堆魔方方法可以有意识地调用。