118

我看到了一个将hash函数应用于元组的代码示例。结果它返回一个负整数。我想知道这个功能有什么作用?谷歌没有帮助。我找到了一个解释如何计算哈希的页面,但它没有解释为什么我们需要这个函数。

4

5 回答 5

201

散列是标识特定值的固定大小的整数。每个值都需要有自己的散列,因此对于相同的值,即使不是同一个对象,您也会得到相同的散列。

>>> hash("Look at me!")
4343814758193556824
>>> f = "Look at me!"
>>> hash(f)
4343814758193556824

哈希值的创建方式需要使结果值均匀分布,以减少您获得的哈希冲突的数量。哈希冲突是指两个不同的值具有相同的哈希。因此,相对较小的更改通常会导致非常不同的哈希值。

>>> hash("Look at me!!")
6941904779894686356

这些数字非常有用,因为它们可以在大量值集合中快速查找值。它们使用的两个例子是 Pythonsetdict. 在 alist中,如果要检查一个值是否在列表中if x in values:,Python 需要遍历整个列表并x与列表中的每个值进行比较values。这可能需要很长时间list。在 aset中,Python 会跟踪每个散列,当您键入 时if x in values:,Python 将获取 的散列值x,在内部结构中查找它,然后仅x与具有相同散列的值进行比较x

相同的方法用于字典查找。这使得查找速度非常快,而查找set速度很慢。这也意味着您可以在 a 中拥有不可散列的对象,但不能在 a 中或作为 a 中的键。不可散列对象的典型示例是任何可变对象,这意味着您可以更改其值。如果你有一个可变对象,它不应该是可散列的,因为它的散列会在其生命周期内发生变化,这会导致很多混乱,因为一个对象最终可能会在字典中使用错误的散列值。dictlistlistsetdict

请注意,一个值的哈希值只需要与 Python 的一次运行相同。在 Python 3.3 中,它们实际上会随着 Python 的每次新运行而改变:

$ /opt/python33/bin/python3
Python 3.3.2 (default, Jun 17 2013, 17:49:21) 
[GCC 4.6.3] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> hash("foo")
1849024199686380661
>>> 
$ /opt/python33/bin/python3
Python 3.3.2 (default, Jun 17 2013, 17:49:21) 
[GCC 4.6.3] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> hash("foo")
-7416743951976404299

这是为了更难猜测某个字符串将具有什么哈希值,这是 Web 应用程序等的重要安全功能。

因此,哈希值不应永久存储。如果您需要以永久方式使用哈希值,您可以查看更“严重”的哈希类型、加密哈希函数,它们可用于对文件进行可验证的校验和等。

于 2013-07-11T06:03:27.033 回答
50

TL;博士:

请参考词汇表hash()用作比较对象的快捷方式,如果一个对象可以与其他对象进行比较,则认为它是可散列的。这就是我们使用hash(). 它还用于访问dictset元素,这些元素在 CPython 中实现为可调整大小的哈希表

技术考虑

  • 通常比较对象(可能涉及多个级别的递归)是昂贵的。
  • 优选地,该hash()功能是便宜一个(或几个)数量级的。
  • 比较两个哈希比比较两个对象更容易,这就是捷径所在。

如果您了解字典是如何实现的,它们使用哈希表,这意味着从对象派生一个键是检索字典中对象的基石O(1)。但是,这非常依赖于您的哈希函数是否具有抗碰撞性在字典中获取项目的最坏情况实际上是O(n).

在那一点上,可变对象通常是不可散列的。hashable 属性意味着您可以将对象用作键。如果哈希值被用作键并且同一个对象的内容发生了变化,那么哈希函数应该返回什么?是同一个钥匙还是不同的钥匙?这取决于您如何定义散列函数。

以身作则:

想象一下我们有这个类:

>>> class Person(object):
...     def __init__(self, name, ssn, address):
...         self.name = name
...         self.ssn = ssn
...         self.address = address
...     def __hash__(self):
...         return hash(self.ssn)
...     def __eq__(self, other):
...         return self.ssn == other.ssn
... 

请注意:这一切都是基于这样的假设,即个人的 SSN 永远不会改变(甚至不知道在哪里可以从权威来源实际验证该事实)。

我们有鲍勃:

>>> bob = Person('bob', '1111-222-333', None)

鲍勃去见法官改名:

>>> jim = Person('jim bo', '1111-222-333', 'sf bay area')

这是我们所知道的:

>>> bob == jim
True

但这是两个不同的对象,分配了不同的内存,就像同一个人的两条不同的记录:

>>> bob is jim
False

现在是 hash() 派上用场的部分:

>>> dmv_appointments = {}
>>> dmv_appointments[bob] = 'tomorrow'

你猜怎么着:

>>> dmv_appointments[jim] #?
'tomorrow'

您可以从两个不同的记录访问相同的信息。现在试试这个:

>>> dmv_appointments[hash(jim)]
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "<stdin>", line 9, in __eq__
AttributeError: 'int' object has no attribute 'ssn'
>>> hash(jim) == hash(hash(jim))
True

刚才发生了什么?那是碰撞。因为hash(jim) == hash(hash(jim))它们都是整数,所以我们需要将 的输入__getitem__与所有碰撞的项目进行比较。内置int没有ssn属性,所以它会跳闸。

>>> del Person.__eq__
>>> dmv_appointments[bob]
'tomorrow'
>>> dmv_appointments[jim]
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
KeyError: <__main__.Person object at 0x7f611bd37110>

在最后一个示例中,我展示了即使发生碰撞,也会执行比较,对象不再相等,这意味着它成功引发了KeyError.

于 2013-07-11T07:13:33.743 回答
3

状态的 Python文档hash()

哈希值是整数。它们用于在字典查找期间快速比较字典键。

Python 字典被实现为哈希表。因此,每当您使用字典时,hash()都会调用您传入的键以进行分配或查找。

此外,类型状态的文档:dict

不可散列的值,即包含列表、字典或其他可变类型的值(按值而不是对象标识进行比较)不能用作键。

于 2013-07-11T05:39:13.867 回答
1

字典和集合使用散列来快速查找对象。一个很好的起点是维基百科关于哈希表的文章。

于 2013-07-11T05:39:53.213 回答
-1

您可以Dictionary在 python 中使用数据类型。它与散列非常相似——它也支持嵌套,类似于嵌套散列。

例子:

dict = {'Name': 'Zara', 'Age': 7, 'Class': 'First'}
dict['Age'] = 8; # update existing entry
dict['School'] = "DPS School" # Add new entry

print ("dict['Age']: ", dict['Age'])
print ("dict['School']: ", dict['School'])

有关更多信息,请参阅有关字典数据类型的本教程

于 2019-04-02T02:47:38.763 回答