Python的dict实现原理和Java的HashMap之间的区别

shzwork 2020-11-13 15:34:29
java Python


Python内部很地方都使用着dict这种结构,在对象属性__dict__就是一个字典,所以对其效率要求很高。

dict采用了哈希表,最低能在 O(1)时间内完成搜索。同样的java的HashMap也是采用了哈希表实现,不同是dict在发生哈希冲突的时候采用了开放寻址法,而HashMap采用了链接法

 

开放寻址法

优点

  1. 记录更容易进行序列化(serialize)操作
  2. 如果记录总数可以预知,可以创建完美哈希函数,此时处理数据的效率是非常高的

缺点

  1. 存储记录的数目不能超过桶数组的长度,如果超过就需要扩容,而扩容会导致某次操作的时间成本飙升,这在实时或者交互式应用中可能会是一个严重的缺陷
  2. 使用探测序列,有可能其计算的时间成本过高,导致哈希表的处理性能降低
  3. 由于记录是存放在桶数组中的,而桶数组必然存在空槽,所以当记录本身尺寸(size)很大并且记录总数规模很大时,空槽占用的空间会导致明显的内存浪费
  4. 删除记录时,比较麻烦。比如需要删除记录a,记录b是在a之后插入桶数组的,但是和记录a有冲突,是通过探测序列再次跳转找到的地址,所以如果直接删除a,a的位置变为空槽,而空槽是查询记录失败的终止条件,这样会导致记录b在a的位置重新插入数据前不可见,所以不能直接删除a,而是设置删除标记。这就需要额外的空间和操作。
想要自己实现一个dict可以继承 collection 的 UserDict,里面已经封装了常用的方法。
下面是我根据自己的理解去用python实现的字典,简化了很的功能,比如对象缓冲池、String哈希的优化等等,如果有错误的或者更好的实现方式请指出。因为python没有纯粹的数组结构,所以数组也是借用list实现的.
#python3.6
from collections import namedtuple
class SimpleArray(object):
#简单的数组类实现
def __init__(self, mix):
self.container = [None for i in range(mix)]
def __len__(self):
return len(self.container)
def __setitem__(self, key, value):
return self.container.__setitem__(key,value)
def __getitem__(self, item):
return self.container.__getitem__(item)
def __delitem__(self, key):
return self.container.__setitem__(key, None)
def __str__(self):
return str(self.container)
class SimpleDict(object):
#简单的字典类实现
Init_length = 8 # 初始化的大小
Load_factor = 2/3 # 扩容因子
def __init__(self):
self._array_len = SimpleDict.Init_length
self._array = SimpleArray(self._array_len)
self._used = 0
self.dictObj = namedtuple("dictObj","key value") # 这里其实可以用数组也可以的,namedtuple是为了让代码更可读
def __getitem__(self, item):
key = self._hash(item)
dictObj = self._array[key]
if dictObj is not None and dictObj.key == item:
return dictObj.value
else:
for new_key in self._second_hash(key):
if self._array[new_key] is not None and item == self._array[new_key].key:
return self._array[new_key].value
def __setitem__(self, key, value):
# 计算是否需要扩容
if (self._used / self._array_len) > SimpleDict.Load_factor:
self._new_array()
#根据键的hash值来计算得出位置索引
hash_key = self._hash(key)
new_key = self._second_hash(hash_key)
while True:
if self._array[hash_key] is None or key == self._array[hash_key].key:
break
# 发生哈希碰撞根据二次探查函数得出下一个索引的位置
hash_key = next(new_key)
if abs(hash_key) >= self._array_len:
self._new_array()
hash_key = self._hash(key)
# 找到空位将键值对象放入
self._array[hash_key] = self.dictObj(key, value)
self._used += 1
def __delitem__(self, key):
hash_key = self._hash(key)
if key != self._array[hash_key].key:
for new_key in self._second_hash(hash_key):
if key == self._array[new_key].key:
hash_key = new_key
self._array[hash_key] = None
self._used -= 1
def _hash(self, key):
# 计算哈希值
return hash(key) & (self._array_len-1)
def _second_hash(self, hash_key):
# 简单的二次探查函数实现
count = 1
for i in range(self._array_len):
new_key = hash_key + count**2
if abs(new_key) < self._array_len:
yield new_key
new_key = hash_key - count**2
if abs(new_key) < self._array_len:
yield new_key
count += 1
def _new_array(self):
# 扩容
old_array = self._array
self._array_len = self._array_len * 2 # 扩容2倍大小
self._array = SimpleArray(self._array_len)
for i in range(len(old_array)):
dictObj = old_array[i]
if dictObj is not None:
self[dictObj.key] = dictObj.value
def __str__(self):
result = ", ".join("%s:%s"%(obj.key, obj.value)
for obj in self._array
if obj is not None)
return "{" + result + "}"
if __name__ == '__main__':
d = SimpleDict()
for i in range(20):
d[str(i)] = i
print(d)
print(d["10"])
del d["11"]
print(d)

 


链接法

优点

  1. 对于记录总数频繁可变的情况,处理的比较好(也就是避免了动态调整的开销)
  2. 由于记录存储在结点中,而结点是动态分配,不会造成内存的浪费,所以尤其适合那种记录本身尺寸(size)很大的情况,因为此时指针的开销可以忽略不计了
  3. 删除记录时,比较方便,直接通过指针操作即可

缺点

  1. 存储的记录是随机分布在内存中的,这样在查询记录时,相比结构紧凑的数据类型(比如数组),哈希表的跳转访问会带来额外的时间开销
  2. 如果所有的 key-value 对是可以提前预知,并之后不会发生变化时(即不允许插入和删除),可以人为创建一个不会产生冲突的完美哈希函数(perfect hash function),此时封闭散列的性能将远高于开放散列
  3. 由于使用指针,记录不容易进行序列化(serialize)操作

 

其中有很重要的两个参数影响其性能: 初始容量和加载因子

dict:默认初始容量为8,加载因子为2/3

HashMap: 默认初始容量为16, 加载因子为0.75

两者相同的是扩容的长度必需是2的N次方

编辑于 2019-09-04
版权声明
本文为[shzwork]所创,转载请带上原文链接,感谢
https://my.oschina.net/u/4000302/blog/4716046

  1. 利用Python爬虫获取招聘网站职位信息
  2. Using Python crawler to obtain job information of recruitment website
  3. Several highly rated Python libraries arrow, jsonpath, psutil and tenacity are recommended
  4. Python装饰器
  5. Python实现LDAP认证
  6. Python decorator
  7. Implementing LDAP authentication with Python
  8. Vscode configures Python development environment!
  9. In Python, how dare you say you can't log module? ️
  10. 我收藏的有关Python的电子书和资料
  11. python 中 lambda的一些tips
  12. python中字典的一些tips
  13. python 用生成器生成斐波那契数列
  14. python脚本转pyc踩了个坑。。。
  15. My collection of e-books and materials about Python
  16. Some tips of lambda in Python
  17. Some tips of dictionary in Python
  18. Using Python generator to generate Fibonacci sequence
  19. The conversion of Python script to PyC stepped on a pit...
  20. Python游戏开发,pygame模块,Python实现扫雷小游戏
  21. Python game development, pyGame module, python implementation of minesweeping games
  22. Python实用工具,email模块,Python实现邮件远程控制自己电脑
  23. Python utility, email module, python realizes mail remote control of its own computer
  24. 毫无头绪的自学Python,你可能连门槛都摸不到!【最佳学习路线】
  25. Python读取二进制文件代码方法解析
  26. Python字典的实现原理
  27. Without a clue, you may not even touch the threshold【 Best learning route]
  28. Parsing method of Python reading binary file code
  29. Implementation principle of Python dictionary
  30. You must know the function of pandas to parse JSON data - JSON_ normalize()
  31. Python实用案例,私人定制,Python自动化生成爱豆专属2021日历
  32. Python practical case, private customization, python automatic generation of Adu exclusive 2021 calendar
  33. 《Python实例》震惊了,用Python这么简单实现了聊天系统的脏话,广告检测
  34. "Python instance" was shocked and realized the dirty words and advertisement detection of the chat system in Python
  35. Convolutional neural network processing sequence for Python deep learning
  36. Python data structure and algorithm (1) -- enum type enum
  37. 超全大厂算法岗百问百答(推荐系统/机器学习/深度学习/C++/Spark/python)
  38. 【Python进阶】你真的明白NumPy中的ndarray吗?
  39. All questions and answers for algorithm posts of super large factories (recommended system / machine learning / deep learning / C + + / spark / Python)
  40. [advanced Python] do you really understand ndarray in numpy?
  41. 【Python进阶】Python进阶专栏栏主自述:不忘初心,砥砺前行
  42. [advanced Python] Python advanced column main readme: never forget the original intention and forge ahead
  43. python垃圾回收和缓存管理
  44. java调用Python程序
  45. java调用Python程序
  46. Python常用函数有哪些?Python基础入门课程
  47. Python garbage collection and cache management
  48. Java calling Python program
  49. Java calling Python program
  50. What functions are commonly used in Python? Introduction to Python Basics
  51. Python basic knowledge
  52. Anaconda5.2 安装 Python 库(MySQLdb)的方法
  53. Python实现对脑电数据情绪分析
  54. Anaconda 5.2 method of installing Python Library (mysqldb)
  55. Python implements emotion analysis of EEG data
  56. Master some advanced usage of Python in 30 seconds, which makes others envy it
  57. python爬取百度图片并对图片做一系列处理
  58. Python crawls Baidu pictures and does a series of processing on them
  59. python链接mysql数据库
  60. Python link MySQL database