在Python中散列不可变字典

Hashing an immutable dictionary in Python

短版本：对于实现为无序项字典的多集，什么是最好的哈希算法？

我试图散列一个不可变的多集(在其他语言中是一个包或多集：就像一个数学集，除了它可以容纳多个元素之外)作为字典实现。我已经创建了标准库类collections.Counter的一个子类，类似于这里的建议：python hashable dicts，它推荐了这样的哈希函数：

1
2
3
4

class FrozenCounter(collections.Counter):
# ...
def __hash__(self):
return hash(tuple(sorted(self.items())))

创建完整的项目元组需要占用大量的内存(例如，相对于使用生成器)，散列将发生在应用程序中一个非常占用内存的部分。更重要的是，我的字典键(多集元素)可能无法订购。

我正在考虑使用这个算法：

1 2	def __hash__(self): return functools.reduce(lambda a, b: a ^ b, self.items(), 0)

号

我认为使用位异或意味着顺序对于散列值来说并不重要，不像对元组进行散列那样？我想我可以在我的数据元组的无序流上半实现python元组哈希算法。请参阅https://github.com/jonashaag/cpython/blob/master/include/tupleobject.h(在页面中搜索"hash"一词)，但我几乎不知道足够的C来读它。

思想？建议？谢谢。

(如果你想知道我为什么要搞混一个多重集：我问题的输入数据是一组多重集，在每个多重集内，每个多重集都必须是唯一的。我在工作的最后期限，我不是一个经验丰富的程序员，所以我想避免发明新的算法在可能的情况下。要确保我有一堆独特的东西，最像是Python的方法是把它们放在一个set()中，但这些东西必须是可以散列的。)

我从评论中收集到的信息

@marcin和@senderle给出了几乎相同的答案：使用hash(frozenset(self.items()))。这是有意义的，因为items()的"视图"设置为类似的。@Marcin是第一个，但我给@senderle打了个勾，因为我对不同解决方案的大O运行时间做了很好的研究。@Marcin还提醒我包括一个__eq__方法——但是从dict继承的方法会很好地工作。这就是我实现一切的方式——欢迎基于此代码的进一步评论和建议：

1
2
3
4
5
6
7
8
9
10
11
12

class FrozenCounter(collections.Counter):
# Edit: A previous version of this code included a __slots__ definition.
# But, from the Python documentation:"When inheriting from a class without
# __slots__, the __dict__ attribute of that class will always be accessible,
# so a __slots__ definition in the subclass is meaningless."
# http://docs.python.org/py3k/reference/datamodel.html#notes-on-using-slots
# ...
def __hash__(self):
"Implements hash(self) -> int"
if not hasattr(self, '_hash'):
self._hash = hash(frozenset(self.items()))
return self._hash