python3.6字典有序_为什么从Python 3.6开始字典有序并效率更高
在Python 3.5（含）以前，字典是不能保证顺序的，键值对A先插入字典，键值对B后插入字典，但是当你打印字典的Keys列表时，你会发现B可能在A的前面。
但是从Python 3.6开始，字典是变成有顺序的了。你先插入键值对A，后插入键值对B，那么当你打印Keys列表的时候，你就会发现B在A的后面。
不仅如此，从Python 3.6开始，下面的三种遍历操作，效率要高于Python 3.5之前：
for key in 字典
for value in 字典.values()
for key, value in 字典.items()
从Python 3.6开始，字典占用内存空间的大小，视字典里面键值对的个数，只有原来的30%~95%。
Python 3.6到底对字典做了什么优化呢？为了说明这个问题，我们需要先来说一说，在Python 3.5（含）之前，字典的底层原理。
当我们初始化一个空字典的时候，CPython的底层会初始化一个二维数组，这个数组有8行，3列，如下面的示意图所示：
my_dict = {}
'''
此时的内存示意图
[[---, ---, ---],
[---, ---, ---],
[---, ---, ---],
[---, ---, ---],
[---, ---, ---],
[---, ---, ---],
[---, ---, ---],
[---, ---, ---]]
'''
现在，我们往字典里面添加一个数据：
my_dict['name'] = 'kingname'
'''
此时的内存示意图
[[---, ---, ---],
[---, ---, ---],
[---, ---, ---],
[---, ---, ---],
[---, ---, ---],
[1278649844881305901, 指向name的指针, 指向kingname的指针],
[---, ---, ---],
[---, ---, ---]]
'''
这里解释一下，为什么添加了一个键值对以后，内存变成了这个样子：
首先我们调用Python 的hash函数，计算name这个字符串在当前运行时的hash值：
>>> hash('name')
1278649844881305901
特别注意，我这里强调了『当前运行时』，这是因为，Python自带的这个hash函数，和我们传统上认为的Hash函数是不一样的。Python自带的这个hash函数计算出来的值，只能保证在每一个运行时的时候不变，但是当你关闭Python再重新打开，那么它的值就可能会改变，如下图所示：
假设在某一个运行时里面，hash('name')的值为1278649844881305901。现在我们要把这个数对8取余数：
>>> 1278649844881305901 % 8
5
余数为5，那么就把它放在刚刚初始化的二维数组中，下标为5的这一行。由于name和kingname是两个字符串，所以底层C语言会使用两个字符串变量存放这两个值，然后得到他们对应的指针。于是，我们这个二维数组下标为5的这一行，第一个值为name的hash值，第二个值为name这个字符串所在的内存的地址（指针就是内存地址），第三个值为kingname这个字符串所在的内存的地址。
现在，我们再来插入两个键值对：
my_dict['age'] = 26
my_dict['salary'] = 999999
'''
此时的内存示意图
[[-4234469173262486640, 指向salary的指针, 指向999999的指针],
[1545085610920597121, 执行age的指针, 指向26的指针],
[---, ---, ---],
[---, ---, ---],
[---, ---, ---],
[1278649844881305901, 指向name的指针, 指向kingname的指针],
[---, ---, ---],
[---, ---, ---]]
'''
那么字典怎么读取数据呢？首先假设我们要读取age对应的值。
此时，Python先计算在当前运行时下面，age对应的Hash值是多少：
>>> hash('age')
1545085610920597121
余数为1，那么二维数组里面，下标为1的这一行就是需要的键值对。直接返回这一行第三个指针对应的内存中的值，就是age对应的值26。
当你要循环遍历字典的Key的时候，Python底层会遍历这个二维数组，如果当前行有数据，那么就返回Key指针对应的内存里面的值。如果当前行没有数据，那么就跳过。所以总是会遍历整个二位数组的每一行。
每一行有三列，每一列占用8byte的内存空间，所以每一行会占用24byte的内存空间。
由于Hash值取余数以后，余数可大可小，所以字典的Key并不是按照插入的顺序存放的。
注意，这里我省略了与本文没有太大关系的两个点：
开放寻址，当两个不同的Key，经过Hash以后，再对8取余数，可能余数会相同。此时Python为了不覆盖之前已有的值，就会使用开放寻址技术重新寻找一个新的位置存放这个新的键值对。
当字典的键值对数量超过当前数组长度的2/3时，数组会进行扩容，8行变成16行，16行变成32行。长度变了以后，原来的余数位置也会发生变化，此时就需要移动原来位置的数据，导致插入效率变低。
在Python 3.6以后，字典的底层数据结构发生了变化，现在当你初始化一个空的字典以后，它在底层是这样的：
my_dict = {}
'''
此时的内存示意图
indices = [None, None, None, None, None, None, None, None]
entries = []
'''
当你初始化一个字典以后，Python单独生成了一个长度为8的一维数组。然后又生成了一个空的二维数组。
现在，我们往字典里面添加一个键值对：
my_dict['name'] = 'kingname'
'''
此时的内存示意图
indices = [None, 0, None, None, None, None, None, None]
entries = [[-5954193068542476671, 指向name的指针, 执行kingname的指针]]
'''
为什么内存会变成这个样子呢？我们来一步一步地看：
在当前运行时，name这个字符串的hash值为-5954193068542476671，这个值对8取余数是1：
>>> hash('name')
-5954193068542476671
>>> hash('name') % 8
1
所以，我们把indices这个一维数组里面，下标为1的位置修改为0。
这里的0是什么意思呢？0是二位数组entries的索引。现在entries里面只有一行，就是我们刚刚添加的这个键值对的三个数据：name的hash值、指向name的指针和指向kinganme的指针。所以indices里面填写的数字0，就是刚刚我们插入的这个键值对的数据在二位数组里面的行索引。
好，现在我们再来插入两条数据：
my_dict['address'] = 'xxx'
my_dict['salary'] = 999999
'''
此时的内存示意图
indices = [1, 0, None, None, None, None, 2, None]
entries = [[-5954193068542476671, 指向name的指针, 执行kingname的指针],
[9043074951938101872, 指向address的指针，指向xxx的指针],
[7324055671294268046, 指向salary的指针, 指向999999的指针]
]
'''
现在如果我要读取数据怎么办呢？假如我要读取salary的值，那么首先计算salary的hash值，以及这个值对8的余数：
>>> hash('salary')
7324055671294268046
>>> hash('salary') % 8
6
那么我就去读indices下标为6的这个值。这个值为2.
然后再去读entries里面，下标为2的这一行的数据，也就是salary对应的数据了。
新的这种方式，当我要插入新的数据的时候，始终只是往entries的后面添加数据，这样就能保证插入的顺序。当我们要遍历字典的Keys和Values的时候，直接遍历entries即可，里面每一行都是有用的数据，不存在跳过的情况，减少了遍历的个数。
老的方式，当二维数组有8行的时候，即使有效数据只有3行，但它占用的内存空间还是 8 * 24 = 192 byte。但使用新的方式，如果只有三行有效数据，那么entries也就只有3行，占用的空间为3 * 24 =72 byte，而indices由于只是一个一维的数组，只占用8 byte，所以一共占用 80 byte。内存占用只有原来的41%。
总结
以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，谢谢大家对脚本之家的支持。
python3.6字典有序_为什么从Python 3.6开始字典有序并效率更高相关推荐
- python中字典格式_如何在Python中使用带有字典的格式函数和整数键
谢谢大家发帖. 请允许我详细说明我的需要.我正在解析包含Wi-Fi频道的文本文件.我试图获得频道发生的时间. 我的文本文件(file_parse.txt)具有: Cell 29 - Address: ...
- python列表嵌套字典取值_我的 python 学习历程-Day05 字典/字典的嵌套
一.字典的初识 为什么要有字典 字典与列表同属容器型数据类型,同样可以存储大量的数据,但是,列表的数据关联性不强,并且查询速度比较慢,只能按照顺序存储. 什么是字典 先说一下什么叫可变与不可变的数据类 ...
- php java python容易入门_先学习Python之后再学习PHP与java会更好吗
学过python语言之后在去学习PHP javascript 这些编程语言是不是会更好的能快速理解, 有python基础之后,再去学习php语言 理解上 是不是更方便上手, 我现在主要想学习专研 PH ...
- python3 循环写入一对多键值对_为什么Python 3.6以后字典有序并且效率更高？
在Python 3.5(含)以前,字典是不能保证顺序的,键值对A先插入字典,键值对B后插入字典,但是当你打印字典的Keys列表时,你会发现B可能在A的前面. 但是从Python 3.6开始,字典是变成 ...
- python3.6字典有序_为什么Python 3.6以后字典有序并且效率更高？
在Python 3.5(含)以前,字典是不能保证顺序的,键值对A先插入字典,键值对B后插入字典,但是当你打印字典的Keys列表时,你会发现B可能在A的前面. 但是从Python 3.6开始,字典是变成 ...
- def python语言对照表_如何用python，华丽实现字典树？
文/IT可达鸭 图/IT可达鸭.网络 前言 上篇文章,我们用自定义数据结构实现了有序集合set.本文在此基础上,进一步加深,设计一个新的数据结构--字典树.有过参加过算法竞赛或做过数据检索的小伙伴,应 ...
- python series用法_如何使用Python中的Series字典创建数据框？
数据框是一种二维数据结构,其中数据以表格格式存储,以行和列的形式. 它可以可视化为SQL数据表或excel工作表表示形式.可以使用以下构造函数创建它-pd.Dataframe(data, index, ...
- python多级字典嵌套_使用pythonscsv DictReader创建多级嵌套字典
完全是Python noob,可能遗漏了一些明显的东西.我到处找遍了,还没有找到解决办法,所以我想我应该寻求一些帮助.在 我正在尝试编写一个函数,它将从一个大的csv文件构建一个嵌套字典.输入文件的格 ...
- python3.8的用法_体验一下 Python 3.8 带来的主要新特性
学习理解一个软件非常好的方法就是跟随每一个版本演进的新特性,好比一个人被别人看着长大的,知子莫若父.因此每个版本的 Changelogs 或 What's New 是非常值得一读的,见 What's ...
最新文章
- 基于HTML5移动web应用
- 【opencv】17.提取RBG各种颜色c++代码
- 分布式：阿里云HSF转dubbo+zookeeper
- mysql关联查询去重_MySQL外键和高级查询（连接查询、联合查询、子查询、去重查询）...
- Mybatis 源码解析 -- 基于配置的源码解析（二）
- 原始dao和Mapper动态代理的开放方式---Mybatis学习笔记(六)
- 十大经典排序算法动画演示
- Linux C函数之文件及目录函数
- Lync Server 2013 实战系列之五：标准版-定义拓扑生成器
- jsp点击按钮弹出输入框_【问答3】需要点击虚拟键盘上发送（搜索）按钮的写法...
- 普中28335开发攻略_DSP28335汇编教程
- dmx512 java_DMX512协议(示例代码)
- 印度人在接管硅谷的时候，中国人在做什么？
- 三星a5000刷Android原生,三星 A5000中文Recovery刷机教程
- 软考高级 真题 2015年下半年 信息系统项目管理师 综合知识
- 青云QingCloud：重剑无锋 大巧不工
- 第六章 北京奥林匹克公园三维场景网络发布应用
- 编解码学习笔记（七） 微软Windows Media系列
- 动态内表的俩栗子_SAP刘梦_新浪博客
- byte[] valu 转 ByteBuffer