在刷題的時候看到很多時候題目要用到ordereddict，不是很理解這樣做的目的，看到解析說是要按照插入的順序儲存和取出。當時就很疑惑，親自試驗了預設的dict也能夠實現順序儲存和取出。
在3.6版本之前，python dict底層在初始建立的時候採用的是indice和儲存合併在乙個二維陣列當中。dictionary採用雜湊表原理，key作為取值物件，進行hash(key)操作，得到雜湊值，然後用值進行 % 字典容量得到要插入的位置。
my_dict[
'age']=
26my_dict[
'salary']=
999999
## dictionary結構[[
-4234469173262486640
, 指向salary的指標, 指向999999的指標],[
1545085610920597121
, 執行age的指標, 指向26的指標],[
---,
---,
---]
,[--
-,--
-,--
-],[
---,
---,
---]
,[1278649844881305901
, 指向name的指標, 指向kingname的指標],[
---,
---,
---]
,[--
-,--
-,--
-]]
每一行有三列，每一列占用8byte的記憶體空間，所以每一行會占用24byte的記憶體空間。
由於hash值取餘數以後，餘數可大可小，所以字典的key並不是按照插入的順序存放的
開放定址，當兩個不同的key，經過hash以後，再對8取餘數，可能餘數會相同。此時python為了不覆蓋之前已有的值，就會使用開放定址技術重新尋找乙個新的位置存放這個新的鍵值對。
當字典的鍵值對數量超過當前陣列長度的2/3時，陣列會進行擴容，8行變成16行，16行變成32行。長度變了以後，原來的餘數字置也會發生變化，此時就需要移動原來位置的資料，導致插入效率變低。
在版本3.6之後，字典的底層資料結構發生了變化，現在當你初始化乙個空的字典以後，它在底層是這樣的：
my_dict[
'address']=
'***'
my_dict[
'salary']=
999999
## 此時的記憶體示意圖
indices =[1
,0,none
,none
,none
,none,2
,none
]entries =[[
-5954193068542476671
, 指向name的指標, 執行kingname的指標],[
9043074951938101872
, 指向address的指標，指向***的指標],[
7324055671294268046
, 指向salary的指標, 指向999999的指標]
]
>>
>
hash
('salary'
)7324055671294268046
>>
>
hash
('salary')%
86
然後再去讀entries裡面，下標為2的這一行的資料，也就是salary對應的資料了。
新的這種方式，當我要插入新的資料的時候，始終只是往entries的後面新增資料，這樣就能保證插入的順序。當我們要遍歷字典的keys和values的時候，直接遍歷entries即可，裡面每一行都是有用的資料，不存在跳過的情況，減少了遍歷的個數。
老的方式，當二維陣列有8行的時候，即使有效資料只有3行，但它占用的記憶體空間還是 8 * 24 = 192 byte。但使用新的方式，如果只有三行有效資料，那麼entries也就只有3行，占用的空間為3 * 24 =72 byte，而indices由於只是乙個一維的陣列，只占用8 byte，所以一共占用 80 byte。記憶體占用只有原來的41%。
Python 字典理解
目錄 初始化乙個空字典 給字典增加一對 鍵 值 key value 使用鍵來呼叫值 改變字典裡的值 字典是物件引用 字典對鍵和值的迭代 參考 obj print obj output 字典的鍵和值之間存在一一對映關係，且 鍵 值對 在字典中的放置是毫無順序的 obj obj one 1 obj tw...
Python字典的原理
python中dict物件是表明了其是乙個原始的python資料型別，按照鍵值對的方式儲存，其中文名字翻譯為字典，顧名思義其通過鍵名查詢對應的值會有很高的效率，時間複雜度在常數級別o 1 本文針對其實現的資料結構進行原理性說明和拓展，不涉及python的原始碼剖析。dict底層實現 在python2...
Python 字典實現原理
a a key1 1 a key2 6 del a key1 python直譯器 執行 a python直譯器讀到這裡，比如會給5個連續的記憶體空間，有5個連續的記憶體位址，可以放資料 python直譯器 執行 a key1 1 這裡，python直譯器會對key1進行雜湊運算，得到乙個十位進製的雜...