python 字典中的内存分配是如何工作的？

Question

我想了解在将新数据添加到字典时，python 中的内存分配是如何工作的。在下面的代码中，我一直在等待每个新添加的数据最后都堆叠起来，但它并没有发生。repetitions = {}for item in new_deltas:    list_aux = []    if float(item[1]) <= 30:        if float(item[0]) in repetitions:            aux = repetitions[float(item[0])]            aux.append(item[1])            repetitions[float(item[0])] = aux        else:            list_aux.append(item[1])            repetitions[float(item[0])] = list_aux    print(repetitions)我得到的结果如下。因此，我想了解为什么新的附加数据没有添加到堆栈的末尾，而是添加到堆栈的中间。我的输入数据是：new_deltas = [[1.452, 3.292182683944702], [1.449, 4.7438647747039795], [1.494, 6.192960977554321], [1.429, 7.686920166015625]] 打印行输出：{1.452: [3.292182683944702]}{1.452: [3.292182683944702], 1.449: [4.7438647747039795]}{1.452: [3.292182683944702], 1.494: [6.192960977554321], 1.449: [4.7438647747039795]}{1.429: [7.686920166015625], 1.452: [3.292182683944702], 1.494: [6.192960977554321], 1.449: [4.7438647747039795]}

Answer 1

简短的回答

字典被实现为哈希表而不是堆栈。

没有倾向于打乱密钥顺序的额外措施

哈希表

在 Python 3.6 之前，字典中的排序是由散列函数随机化的。大致来说，它是这样工作的：

d = {}        # Make a new dictionary

              # Internally 8 buckets are formed:

              #    [ [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] ]

d['a'] = 10   # hash('a') % s gives perhaps bucket 5:

              #    [ [ ] [ ] [ ] [ ] [ ] [('a', 10)] [ ] [ ] ]

d['b'] = 20   # hash('b') % s gives perhaps bucket 2:

              #    [ [ ] [ ] [('b', 20)] [ ] [ ] [('a', 10)] [ ] [ ] ]

因此，您可以看到此 dict 的排序会放在'b'前面，'a'因为哈希函数放在 'b'较早的存储桶中。

记住插入顺序的较新的哈希表

从 Python 3.6 开始，还添加了一个堆栈。请参阅此概念验证，以更好地了解其工作原理。

因此，dicts 开始记住插入顺序，并且这种行为在 Python 3.7 及更高版本中得到保证。

在较旧的 Python 实现上使用 OrderedDict

在 3.7 之前，您可以使用collections.OrderedDict()来获得相同的效果。

更深的潜水

对于那些有兴趣了解更多关于它是如何工作的人，我有一个37 分钟的视频，它从第一原理展示了用于制作现代 Python 字典的所有技术。

Answer 2

在 Python 3.6 之前，字典没有排序（有关更多信息，请参阅此stackoverflow 线程）。如果您使用的是 Python 3.6 或更低版本（在 CPython 3.6 中，维护顺序的事实是一个实现细节，但在 Python 3.7 中它成为了一种语言特性），您可以使用OrderedDict来获得您想要的行为。

例如，您可以将代码片段的开头更改为以下内容：

from collections import OrderedDict

repetitions = OrderedDict()

...