Question

我知道Python中的集合是无序的，但我对它们显示的“顺序”感到好奇，因为它似乎是一致的。它们似乎每次都以同样的方式乱序：

>>> set_1 = set([5, 2, 7, 2, 1, 88])
>>> set_2 = set([5, 2, 7, 2, 1, 88])
>>> set_1
set([88, 1, 2, 5, 7])
>>> set_2
set([88, 1, 2, 5, 7])

......和另一个例子：

>>> set_3 = set('abracadabra')
>>> set_4 = set('abracadabra')
>>> set_3
set(['a', 'r', 'b', 'c', 'd'])
>>>> set_4
set(['a', 'r', 'b', 'c', 'd'])

我只是好奇为什么会这样。有什么帮助吗？

Answer 1

你应该看这个video（虽然它是CPython ¹特定的和关于字典 - 但我认为它也适用于集合）。

基本上，python散列元素并获取最后N位（其中N由集合的大小确定）并使用这些位作为数组索引将对象放置在内存中。然后按照它们存在于存储器中的顺序产生对象。当然，当您需要解决哈希之间的冲突时，图片会变得更复杂，但这就是它的要点。

另请注意，打印出来的顺序取决于您放入的顺序（由于碰撞）。因此，如果您重新排序传递给set_2的列表，如果存在关键冲突，您可能会获得不同的订单。

例如：

list1 = [8,16,24]
set(list1)        #set([8, 16, 24])
list2 = [24,16,8]
set(list2)        #set([24, 16, 8])

注意订单在这些集合中保留的事实是“巧合”，并且与冲突解决（我不知道任何事情）有关。关键是hash(8)，hash(16)和hash(24)的最后3位是相同的。因为它们是相同的，所以碰撞解决方案会接管并将元素放在“备份”内存位置而不是第一个（最佳）选择中，因此8占用位置还是16取决于哪一个首先到达了聚会，并获得了“最佳席位”。

如果我们使用1，2和3重复该示例，无论订单在输入列表中的顺序如何，您都会得到一致的订单：

list1 = [1,2,3]
set(list1)      # set([1, 2, 3])
list2 = [3,2,1]
set(list2)      # set([1, 2, 3])

由于hash(1)的最后3位，hash(2)和hash(3)是唯一的。

¹ 注意此处描述的实施适用于CPython dict和set。我认为一般描述适用于所有现代版本的CPython，最高可达3.6。但是，从CPython3.6开始，还有一个额外的实现细节，实际上保留了dict的迭代的插入顺序。似乎set仍然没有此属性。数据结构由this blog post由pypy伙伴（在CPython人员之前开始使用它）描述。最初的想法（至少对于python生态系统）is archived on the python-dev mailing list。

Answer 2

这种行为的原因是Python使用哈希表进行字典实现：https://en.wikipedia.org/wiki/Hash_table#Open_addressing

密钥的位置由其内存地址定义。如果你知道某些对象的Python重用内存：

>>> a = 'Hello world'
>>> id(a)
140058096568768
>>> a = 'Hello world'
>>> id(a)
140058096568480

您可以看到对象 a 每次初始化时都有不同的地址。

但对于小整数而言，它并没有改变：

>>> a = 1
>>> id(a)
40060856
>>> a = 1
>>> id(a)
40060856

即使我们使用不同的名称创建第二个对象，它也是相同的：

>>> b = 1
>>> id(b)
40060856

这种方法可以节省Python解释器消耗的内存。

Answer 3

AFAIK Python集使用hash table实现。项目出现的顺序取决于使用的哈希函数。在程序的同一次运行中，哈希函数可能不会改变，因此您获得相同的顺序。

但是无法保证它将始终使用相同的函数，并且顺序将在运行中更改 - 或者如果插入大量元素并且哈希表必须调整大小，则在同一运行中更改。

Answer 4

集基于哈希表。值的散列应该是一致的，所以顺序也是 - 除非两个元素散列到相同的代码，在这种情况下，插入的顺序将改变输出顺序。

Answer 5

mgilson's great answer提示的一个关键事项，但在任何现有答案中均未明确提及：

小整数会散列到自己的位置：

>>> [hash(x) for x in (1, 2, 3, 88)]
[1, 2, 3, 88]

字符串散列到不可预测的值。实际上，从3.3开始，默认情况下为they're built off a seed that's randomized at startup。因此，对于每个新的Python解释器会话，您将获得不同的结果，但是：

>>> [hash(x) for x in 'abcz']
[6014072853767888837,
 8680706751544317651,
 -7529624133683586553,
 -1982255696180680242]

因此，请考虑最简单的哈希表实现：仅由N个元素组成的数组，其中插入值意味着将其放入hash(value) % N中（假设没有冲突）。您可以粗略估计N的大小，它会比其中的元素数大一点。当由6个元素的序列创建集合时，N很容易说成8。

当您以N = 8存储这5个数字时会发生什么？好吧，hash(1) % 8，hash(2) % 8等只是数字本身，而hash(88) % 8为0。因此，哈希表的数组最终保存为88, 1, 2, NULL, NULL, 5, NULL, 7。因此，应该很容易弄清楚为什么迭代集合可能会给您88, 1, 2, 5, 7。

当然，Python不能保证，您每次都会得到此命令。对N的正确值的猜测方式稍作更改，可能意味着88最终会出现在其他地方（或最终与其他值之一冲突）。而且，实际上，在Mac上运行CPython 3.7时，我得到1, 2, 5, 7, 88。0

同时，当您从大小为11的序列中构建一个哈希，然后将随机哈希插入其中时，会发生什么？即使假设最简单的实现，并且假设没有冲突，您仍然不知道要获得什么顺序。一次运行Python解释器将保持一致，但下次启动时将有所不同。（除非您将PYTHONHASHSEED设置为0或其他一些int值。）这正是您所看到的。

当然值得关注the way sets are actually implemented而不是猜测。但是，基于最简单的哈希表实现的假设，您会猜测到底是什么（禁止冲突和禁止哈希表的扩展）。

无序Python集的“顺序”

5 个答案: