在不降低性能的情况下重写uuu eq uuuuuu和uuu hash uuuuuuuu

Question

我有两个类，结构和片段，代表化学结构。 如果我比较同一类的两个实例，比较应该正常进行，但是如果我比较一个结构和一个片段，比较应该基于唯一标识化学结构的字符串属性

不幸的是，在我的尝试中，运行时间急剧增加（使用集合和字典的操作）

班级结构：

def __eq__(self, other):
    if isinstance(other, Structure):
        return self is other
    else:
        return self.cansmiles is other.cansmiles_unstarred

def __hash__(self):
    return hash(self.cansmiles)

片段eq和hash使用相同的逻辑实现

“cansmiles”字符串可能相当长（通常为25，最多为100），我试图在没有运气的情况下将其切碎

问题是：什么是内置的散列和eq如此高效的魔力？有没有办法有效地覆盖它们？有什么建议吗

更新：我可以避免每次调用__hash__时都计算哈希值吗

Answer 1

就像在评论中提到的，你有一个更大的问题：你的代码有bug。虽然is可能稍微快一点，但它也做了错误的事情

虽然一些快速测试可能会让您相信它是有效的—因为Python优化了一些简单的案例—但这些示例表明它通常不起作用：

def f():
    return 'not always identical!'

a = 'not always identical!'
b = f()

# Will print: True False   that is, the strings are equal, but not the same string object
print(a == b, a is b)

x = 'a'
a = x*2
b = 'aa'

# Will print: True False   that is, the strings are equal, but not the same string object
print(a == b, a is b)

至于__eq__()实现，如果您尝试比较Structure和Fragment之外的任何东西，它就会崩溃（因为其他对象可能没有cansmiles/cansmiles_unstarred属性，给出一个AttributeError-或者如果它们有，代码会做错误的事情，因为您可能不想与随机未知对象进行比较）

现在，考虑一下代码的这一部分：

if isinstance(other, Structure):
    return self is other

因为self是一个Structure，如果self与other是同一个对象，那么另一个显然也是一个Structure，所以if有点不必要。如果你同时考虑这两个问题，你会发现整个问题都是错误的：你不需要检查is的类型，但是你需要检查字符串检查的类型！因此：

def __eq__(self, other):
    if isinstance(other, Fragment):
        return self.cansmiles == other.cansmiles_unstarred
    else:
        return self is other

现在，至于这一变化将如何影响字典查找的速度：它不会。Python通过首先检查is，然后返回到==来优化字典查找。因此，如果使用与保存数据相同的类型执行查找，因为同一类型中的相等性是基于标识的，因此实际调用__eq__()的唯一时间是发生哈希冲突（很少）

但是，如果使用另一种类型进行查找，对象将不同，因此它将返回到==并调用__eq__()-但是从is到==的更改仍然不会影响速度：==可能比is稍慢，但是函数调用要慢一个数量级，因此isinstance()所花费的时间将使两种比较所花费的时间相形见绌

那么为什么内置的__eq__()和__hash__()要快得多呢？那么，为什么sum(l)比for v in l: t += v快呢？因为运行Python字节码比运行本机代码慢得多。在评论中，您说过is只检查指针-但这不是真的，是吗？您必须从字节码中获取下一个操作码及其参数，选择正确的处理程序，跳转到处理程序，等等

如果你说def __eq__(self, other): return self is other，并调用该函数，而不是“仅仅做一个指针比较”，你必须设置一个执行框架，为本地作用域填充一个字典，对字典进行两次查找以根据名称获取值，将它们推到堆栈中，从堆栈中弹出值，进行比较，将结果推送到堆栈上，从堆栈中弹出结果，最后返回值——每一步包括获取和解码字节码、跳转等等。所以是的，这将比内置的__eq__()慢，它可能实际上非常接近“指针比较”

至于避免重新计算散列：你已经这样做了——你正在对字符串进行散列，字符串缓存它们的散列，所以它们不会被重新计算。内置的__hash__()基于对象的id，因此它应该是常量时间，因此它显然比计算字符串的哈希（应该是线性时间）要快。但是，即使重新计算字符串散列，这也是在本机代码中完成的，因此速度差异将很小——并且与定义自定义字节码时从本机代码切换到运行python字节码这一事实相形见绌

当然，您可以自己缓存hash()返回的值-您需要添加一个if来检查哈希是否已经计算过，但是由于调用函数的速度相对较慢，即使添加了代码，结果也可能会稍微快一些。但是，您可能会添加代码，并降低可读性，以获得非常小的速度提升。如果你想要速度，w你为什么不直接用字符串作为键呢？或者，如果速度真的很重要，你可能想看看PyPy（甚至是Numba）