我在 python 中有一堆字典，每个字典都包含用户信息，例如：
NewUserDict={'name': 'John', 'age':27}
我在一个更大的字典容器中收集所有这些用户信息字典，使用每个字典的哈希值作为键 (Hashing a dictionary?)。
在向字典中添加新的唯一用户时，处理哈希冲突的最佳方法是什么？我打算手动将字典与冲突的哈希值进行比较，然后将一些随机数添加到最近的哈希值中，例如：
if new_hash in larger_dictionary:
if larger_dictionary[new_hash] != NewUserDict:
new_hash = new_hash + somerandomnumber
处理此问题的标准方法是什么？或者，我如何知道我是否应该首先担心碰撞？
【问题讨论】：
标签： python dictionary hash
通常，您会使用用户记录中最独特的元素。这通常意味着系统通常有一个用户名或每个记录（用户）的唯一 ID，这保证是唯一的。用户名或 ID 将是记录的唯一键。由于这是由系统本身强制执行的，例如通过数据库表中的自动增量键，您可以确保没有冲突。
因此，该唯一键应该是您的地图中的键，以便您找到用户记录。
但是，如果由于某种原因您无法访问这样一个保证唯一的密钥，您当然可以从记录中创建一个散列（如您所描述的那样）并使用许多散列中的任何一个表算法来存储可能有冲突键的元素。在这种情况下，您并不能避免碰撞，而只是简单地处理它。
一种快速且常用的算法如下所示：对记录使用散列来创建密钥，就像您已经做的那样。此密钥可能不是唯一的。现在将记录列表存储在键指示的位置。我们称这些列表为“桶”。要存储新元素，对其进行哈希处理，然后将其附加到存储在该位置的列表中（将其添加到存储桶中）。要查找一个元素，对其进行哈希处理，找到条目，然后依次搜索该位置的列表/存储桶以找到所需的条目。
这是一个例子：
mymap[123] = [ {'name':'John','age':27}, {'name':'Bob','age':19} ]
mymap[678] = [ {'name':'Frank','age':29} ]
在示例中，您拥有哈希表（通过 dict 实现）。您有哈希键值 678，其中一个条目存储在存储桶中。然后你有哈希键值 123，但是有一个冲突：'John' 和 'Bob' 条目都有这个哈希值。无论如何，您找到存储在 mymap[123] 中的存储桶并对其进行迭代以找到值。
这是一种灵活且非常常见的哈希映射实现，不需要重新分配或其他复杂情况。它在很多地方都有描述，例如这里：https://www.cs.auckland.ac.nz/~jmor159/PLDS210/hash_tables.html（在第 8.3.1 章中）。
通常只有当您有很多冲突时（当每个存储桶的列表变得很长时），性能才会成为问题。使用良好的散列函数可以避免这种情况。
但是：例如，由数据库强制执行的记录的真正唯一 ID 可能仍然是首选方法。
【讨论】：
dict[hash]=record，这样当我添加新记录时，我可以使用if hash in dict 快速检查重复项。正如所提供的参考文献中类似描述的那样。您的建议应该对我有用，谢谢！
使用每个字典的哈希值作为键
您没有使用字典的哈希值。字典没有哈希值。从链接来看，您似乎正在使用
hash(frozenset(my_dict.items()))
在这种情况下，您应该只是使用
frozenset(my_dict.items())
直接作为键。然后，哈希冲突将由普通的 dict 冲突处理为您处理。
一般来说，你不应该使用散列作为字典键，因为这样做会破坏冲突解决。您应该使用散列到该散列值的任何内容作为键。
【讨论】：
通常，当多个键散列到同一个桶时，就会发生冲突。在这种情况下，我们需要确保我们可以区分这些键。
Chaining collision resolution 是一种流行的技术，用于解决哈希表的冲突。例如，两个字符串“欢迎使用 stackoverflow”和“如何在 SO 中赢得声誉？”分别产生哈希码 100 和 200。假设总数组大小为 10，它们最终都在同一个存储桶中（100 % 10 和 200 % 10）。另一种方法是Open Addressing 在散列时解决冲突。
您可以阅读Python Dictionary Implementations 上的这篇文章，其中讨论了如何处理冲突，因为 Python 字典是使用哈希表实现的。
【讨论】：