矩阵作为字典键答案

【问题标题】：Matrix as dictionary key矩阵作为字典键
【发布时间】：2012-02-07 10:51:00
【问题描述】：

我刚刚开始使用numpy 及其matrix 模块（非常非常有用！），我想使用矩阵对象作为字典的键，所以我检查了matrix 是否有@ 987654324@方法实现：

>>> from numpy import matrix
>>> hasattr(matrix, '__hash__')
True

确实如此！很好，所以这意味着它可以是字典的键：

>>> m1 = matrix('1 2 3; 4 5 6; 7 8 9')
>>> m1
matrix([[1, 2, 3],
        [4, 5, 6],
        [7, 8, 9]])
>>> m2 = matrix('1 0 0; 0 1 0; 0 0 1')
>>> m2
matrix([[1, 0, 0],
        [0, 1, 0],
        [0, 0, 1]])
>>> matrix_dict = {m1: 'first', m2: 'second'}

工作！现在，让我们继续测试：

>>> matrix_dict[m1]
'first'
>>> matrix_dict[matrix('1 2 3; 4 5 6; 7 8 9')]
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
KeyError: matrix([[1, 2, 3],
                  [4, 5, 6],
                  [7, 8, 9]])

什么？那么，它适用于同一个矩阵，但它不适用于另一个具有完全相同内容的矩阵？让我们看看__hash__ 会返回什么：

>>> hash(m1)
2777620
>>> same_as_m = matrix('1 2 3; 4 5 6; 7 8 9')
>>> hash(same_as_m)
-9223372036851998151
>>> hash(matrix('1 2 3; 4 5 6; 7 8 9')) # same as m too
2777665

因此，来自numpy 的matrix 的__hash__ 方法为相同的matrix 返回不同的值。

这是对的吗？那么，这是否意味着它不能用作字典键呢？而如果不能使用，为什么还要实现__hash__？

【问题讨论】：

Python 对象默认是可散列的——你必须为不可散列的类禁用它。可能只是numpy 的遗漏。
矩阵是下面的 ndarray，默认情况下它们也是可散列的 - 我假设你在使用它们时也会遇到同样的问题。
@jozzas，我很惊讶可以使用矩阵作为字典键，因为我知道 ndarrays 不能用作键并且矩阵是 ndarray 的子类

标签： python dictionary numpy

【解决方案1】：

将可变对象用作字典的键是错误的，因为它的哈希值会在您更改数据时立即更改，但插入时使用的值会保留。

在我的测试中，Python 3.2.2 的 numpy 引发了 TypeError：

TypeError: unhashable type: 'matrix'

但在 Python 2.7 上它仍然允许散列，但是当您更改数据时散列值永远不会改变，因此它作为字典键非常无用，因为将许多 matrix 对象添加到具有相同散列的字典会降低散列表所以插入将是O(n^2) 而不是O(1)。

也许他们没有删除哈希值以避免破坏 Python 2.x 上的某些 API，但不要依赖它！

【讨论】：