字典总是在 python 中存储哈希的最有效方法吗？答案

【问题标题】：Are dicts always the most efficient way to store hashes in python?字典总是在 python 中存储哈希的最有效方法吗？
【发布时间】：2013-06-16 10:27:41
【问题描述】：

在许多语言中，散列映射/关联数组有许多不同的实现，每种都适用于不同的任务。据我所知，在 Python 中只有 dict。

所以我想我想知道的是，是否有任何应用程序对自定义数据结构有意义？或者它是否总是比使用 Python 的一种内置数据结构慢？

【问题讨论】：

看看 dictobject.c - 令人惊奇的是，其中包含了多少思想、数学和基准测试。还要考虑到，如果您在 Python 中实现它，您将开始时会持续减速至少 10 倍，可能高达 100 倍。
你可能想看看这个PyCon video关于强大的字典
“在许多语言中，散列映射/关联数组有许多不同的实现，每种都适用于不同的任务。”我一定很累，但是您能否提供一些主流脚本语言中可用的“不同实现”的示例？
@JordanReiter 请注意，这个接口是由一些根本不是独立实现的类实现的，而只是HashTable 周围的专用子类/包装器（可以并且确实在 Python 中创建）太）：属性、AuthProvider、PrinterStateReasons、Properties、Provider、RenderingHints、SimpleBindings、TabularDataSupport、UIDefaults。其他实现在 Python 中具有等价物：WeakHashMap 是 weakred.WeakKeyDictionary 和 LinkedHashMap 是 collections.OrderedDict。仍然有一些真正不同的实现，Scala 有更多示例。
@JordanReiter 此外，其中两个实现不是哈希表，而是二叉搜索树，它需要一个更通用的接口（SortedMap）。包括这些是有争议的（尽管并非完全错误）-它是不同的东西，但它不能被哈希表替换的用例很少见且范围很窄，而且 Python 没有二进制完全搜索树（在标准库中）。

标签： python data-structures hashmap

【解决方案1】：

这可能应该在评论中，但太长了...

Python 字典被实现为hash table。平均 (O(1)) 哈希表很适合检索项目。如果它们总体上很好，那么当有很多碰撞时，它们的性能就会下降。冲突是指计算的两个不同键的哈希值相同。所以在最坏的情况下，如果所有的键都具有相同的散列，它们的搜索操作复杂度是 O(n)——这相当于线性搜索。

但是associative arrays 可以通过使用其他几种数据结构来实现。值得注意的是binary search trees（不太好：平均为 O(log n)，最坏为 O(n)）或B-tree（更好：平均为 O(log n) 和）。 AFAIK 标准 Python 库不提供任何这些。通过谷歌搜索一点，它似乎有各种实现。

这引出了您问题的核心：“是否有任何应用程序对自定义数据结构有意义？或者它是否总是比使用 Python 的内置数据结构之一慢？”。就我自己而言，我认为任何这些数据结构的任何纯 Python 实现都可能慢慢地成为原生 Python 字典。如果您有非常特殊的需求，您可以考虑在 C 级别实施这些需求。但如果你有这样的限制，也许 Python 一开始并不是最好的选择。

【讨论】：