Python中的哈希结构有哪些类型？

在讨论hash结构时，我们在数组中使用过，简单来说就是通过下标定位某个数据的方法。那么，我们学习的一些python知识点也会体现一些hash结构。此条目介绍的是字典和集合。具体的hash结构将在这两个方面分别介绍。一起来看看内容吧。

1、字典

PyDictKeysObject定义了

字典哈希表的一些字段

。其中有两个数组 dk_indices[] 和 dk_entries[]，这两个便是真正的存储数据的数组。kv 数据保存在dk_entries[]数组中，dk_indices[]来存储 kv 数据在dk_enties数组中保存的索引。其中每个 kv 数据以entry的数据结构来存储，如下：

typedef struct {
    /* Cached hash code of me_key. */
    Py_hash_t me_hash;
    PyObject *me_key;
    PyObject *me_value; /* This field is only meaningful for combined tables */
} PyDictKeyEntry;

me_hash缓存key的hash值，防止重复计算hash值。 me_key 和 me_value 是 key 和 value 的真实数据。

2、集合

集合和字典一样，

底层也是哈希结构

，和字典相比，可理解为只有 key，没有 values。

与字典相比，集合要简单得多。存储数据的数组直接保存在 PySetObject 中。

根据对集合底层数据结构的分析，它还使用“利用寻址”来解决哈希冲突。

集合的一些常用操作：

# 初始化
s1 = {'1', '2', '3'}  # 不推荐，当元素中有字典时，会报错
s2 = set(['1', '4', '5'])
print(s1)  # {'3', '1', '2'}
print(s2)  # {'3', '1', '2'}
 
# 交集
print(s1&s2)  # {'1'}
# 并集
print(s1|s2)  # {'3', '5', '4', '2', '1'}
# 差集
print(s1 - s2)  # {'3', '2'}
# 判断子集和超集
s2.issubset(s1)   # s2 是否为s1 的子集
s1.issuperset(s2)  # s1 是否为 s2 的超集
 
# 集合的一些内建方法
# set.add(obj) 添加集合元素
# set.remove(obj) 删除集合元素
# set.update(set) 合并集合
# set.pop() 随机删除一个元素，并返回该元素

以上是Python中hash结构的两种解释。对于字典和集合的学习，可以结合hash结构的内容进行深入探索，学习后可以练习代码部分。