点击上方 "Python人工智能技术" 关注，星标或者置顶
22点24分准时推送，第一时间送达
后台回复“大礼包”，送你特别福利
编辑：乐乐 | 来自：Python七号
上一篇：
正文
大家好，我是Python人工智能技术
字典的本质就是 hash 表，hash 表就是通过 key 找到其 value ，平均情况下你只需要花费 O(1) 的时间复杂度即可以完成对一个元素的查找，字典是否有序，并不是指字典能否按照键或者值进行排序，而是字典能否按照插入键值的顺序输出对应的键值。
比如，对于一个无序字典，插入顺序和遍历的顺序是不一致的：
>>> my_dict = dict()
>>> my_dict["name"] = "lowman"
>>> my_dict["age"] = 26
>>> my_dict["girl"] = "Tailand"
>>> my_dict["money"] = 80
>>> my_dict["hourse"] = None
>>> for key，value in my_dict.items():
... print(key，value)
money 80
girl Tailand
age 26
hourse None
name lowman
而一个有序字典的输出是这样的：
name lowman
age 26
girl Tailand
money 80
hourse None
那为什么 Python3.6 之后，Python 的字典就有序了呢？
先从 Python3.6 之前说起。在 Python 3.6 之前，其数据结构如下图所示：
由于不同键的哈希值不一样，哈希表（entries）中的顺序是按照哈希值大小排序的，遍历时从前往后遍历并不能输出键值插入的顺序，其表现起来就是无序的。
此外，这种方式还有一个缺点，就是如果以稀疏的哈希表存储时，会浪费较多的内存空间，Python3.6 之后，对其进行了优化，哈希索引和真正的键值对分开存放，数据结构如下所示：
indices 指向了一列索引，entries 指向了原本的存储哈希表内容的结构。
你可以把 indices 理解成新的简化版的哈希表，entries 理解成一个数组，数组中的每个元素是原本应该存储的哈希结果：键和值。
查找或者插入一个元素的时候，根据键的哈希值结果取模 indices 的长度，就能得到对应的数组下标，再根据对应的数组下标到 entries 中获取到对应的结果，比如 hash("key2") % 8 的结果是 3，那么 indices[3] 的值是 1，这时候到 entries 中找到对应的 entries[1] 既为所求的结果：
这么做的好处是空间利用率得到了较大的提升，我们以 64 位操作系统为例，每个指针的长度为 8 字节，则原本需要 8 * 3 * 8 为 192
现在变成了 8 * 3 * 3 + 1 * 8 为 80，节省了 58% 左右的内存空间，如下图所示：
此外，由于 entries 是按照插入顺序进行插入的数组，对字典进行遍历时能按照插入顺序进行遍历，这也是为什么 Python3.6 以后的版本字典对象是有序的原因。
最后
如果你对 Python 解释器的实现感兴趣，可以阅读 CPython 的源码，源码之下无秘密，阅读源码也是提升自己最快的学习方式，这里推荐一个学习 CPython 的开源仓库 CPython-Internals[1]，图文注释并茂，是非常有价值的学习资源。如果本文对你有帮助，还请点赞关注哈。
参考资料
CPython-Internals: https://github.com/zpoint/CPython-Internals/blob/master/README_CN.md
你还有什么想要补充的吗？
免责声明：本文内容来源于网络，文章版权归原作者所有，意在传播相关技术知识&行业趋势，供大家学习交流，若涉及作品版权问题，请联系删除或授权事宜。
技术君个人微信
添加技术君个人微信即送一份惊喜大礼包
→ 技术资料共享
→ 技术交流社群
--END--
往日热文：
Python程序员深度学习的“四大名著”：
这四本书着实很不错！我们都知道现在机器学习、深度学习的资料太多了，面对海量资源，往往陷入到“无从下手”的困惑出境。而且并非所有的书籍都是优质资源，浪费大量的时间是得不偿失的。给大家推荐这几本好书并做简单介绍。
获得方式：
2.后台回复关键词：名著