为什么浮点字典键可以覆盖具有相同值的整型键？

Question

我正在通过http://www.mypythonquiz.com进行工作，question #45要求输出以下代码：

confusion = {}
confusion[1] = 1
confusion['1'] = 2
confusion[1.0] = 4

sum = 0
for k in confusion:
    sum += confusion[k]

print sum

输出为6，因为键1.0替换了1。这对我来说有点危险，这是有用的语言功能吗

Answer 1

首先：hash函数的文档中明确记录了该行为：

hash(object)

Return the hash value of the object (if it has one). Hash values are integers. They are used to quickly compare dictionary keys during a dictionary lookup. Numeric values that compare equal have the same hash value (even if they are of different types, as is the case for 1 and 1.0).

其次，在^{}的文档中指出了散列的限制

object.__hash__(self)

Called by built-in function hash() and for operations on members of hashed collections including set, frozenset, and dict. __hash__() should return an integer. The only required property is that objects which compare equal have the same hash value;

这不是python独有的。Java也有同样的警告：如果您实现了hashCode，那么为了让事情正常运行，您必须以这样一种方式实现它：x.equals(y)意味着x.hashCode() == y.hashCode()

因此，python决定1.0 == 1保持不变，因此它被迫为hash提供一个实现，以便hash(1.0) == hash(1)。副作用是1.0和1的行为与dict键的行为完全相同，因此这种行为是正确的

换句话说，行为本身不必以任何方式使用或有用这是必要的。如果没有这种行为，您可能会意外地覆盖不同的密钥

如果我们有1.0 == 1但是hash(1.0) != hash(1)，我们仍然可以有一个碰撞。如果1.0和1发生冲突，dict将使用相等来确定它们是否是同一个键，kaboom即使您希望它们不同，也会覆盖该值

避免这种情况的唯一方法是使用1.0 != 1，这样dict即使在发生冲突的情况下也能够区分它们。但是，人们认为拥有1.0 == 1比避免你看到的行为更重要，因为你实际上从来没有使用float和int作为字典键

由于python试图通过在需要时自动转换数字（例如1/2 -> 0.5）来隐藏数字之间的区别，因此即使在这种情况下也可以反映这种行为。它与python的其他部分更加一致

---

这种行为会出现在任何实现中，其中键的匹配至少部分地（如在哈希映射中）基于比较

例如，如果一个dict是使用红黑树或其他类型的平衡BST实现的，当查询键1.0时，与其他键的比较将返回与1相同的结果，因此它们仍然以相同的方式工作

散列映射需要更加小心，因为用于查找密钥项的是散列值，只有在之后才进行比较。因此，违反上述规则意味着您将引入一个很难发现的错误，因为有时dict可能会像您预期的那样工作，而在其他时候，当大小发生变化时，它将开始表现不正确

---

注意，将有一种方法来解决这个问题：为字典中插入的每种类型都有一个单独的hash-map/BST。通过这种方式，不同类型的对象之间不会发生任何冲突，并且当参数具有不同类型时，==的比较方式也无关紧要

然而，这将使实现复杂化，这可能是低效的，因为哈希映射必须保留相当多的空闲位置才能有O（1）个访问时间。如果它们变得太满，性能就会下降。拥有多个哈希映射意味着浪费更多空间，而且在开始实际查找密钥之前，您需要首先选择要查看的哈希映射

如果使用BST，则必须首先查找类型，然后执行第二次查找。因此，如果您要使用许多类型，那么最终的工作量将是原来的两倍（并且查找将需要O（logn）而不是O（1））

Answer 2

您应该考虑到^ {CD1>}的目的是根据逻辑数值存储数据，而不是如何表示它。p>

int和float之间的区别实际上只是一个实现细节，而不是概念性的。理想情况下，唯一的数字类型应该是具有无限精度甚至亚单位的任意精度数字。。。然而，如果不遇到麻烦，这是很难实现的。。。但这可能是Python未来唯一的数字类型

因此，由于技术原因，Python使用不同的类型时，会试图隐藏这些实现细节和int->float转换是自动的

如果在Python程序中，当x是一个值为1的float时if x == 1: ...不会被接受，那就更令人惊讶了

请注意，在Python3中，1/2的值是0.5（两个整数的除法），类型long和非unicode字符串也被删除，同时尝试隐藏实现细节

Answer 3

在python中：

1==1.0
True

这是因为隐式铸造

然而：

1 is 1.0
False

我可以理解为什么在float和int之间进行自动强制转换很方便，将int强制转换为float相对安全，但是还有其他语言（例如go）不进行隐式强制转换

这实际上是一个语言设计的决定，而不仅仅是不同功能的品味问题