在 Python 3.5（含）以前，字典是不能保证顺序的，键值对 A 先插入字典，键值对 B 后插入字典，但是当你打印字典的 Keys 列表时，你会发现 B 可能在 A 的前面。

但是从 Python 3.6 开始，字典是变成有顺序的了。你先插入键值对 A，后插入键值对 B，那么当你打印 Keys 列表的时候，你就会发现 B 在 A 的后面。

不仅如此，从 Python 3.6 开始，下面的三种遍历操作，效率要高于 Python 3.5 之前：

1
2
3
for key in 字典
for value in 字典.values()
for key, value in 字典.items()

从 Python 3.6 开始，字典占用内存空间的大小，视字典里面键值对的个数，只有原来的 30%~95%。

Python 3.6 到底对字典做了什么优化呢？为了说明这个问题，我们需要先来说一说，在 Python 3.5（含）之前，字典的底层原理。

当我们初始化一个空字典的时候，CPython 的底层会初始化一个二维数组，这个数组有 8 行，3 列，如下面的示意图所示：

1
2
3
4
5
6
7
8
9
10
11
12
13
my_dict = {}

'''
此时的内存示意图
[[---, ---, ---],
[---, ---, ---],
[---, ---, ---],
[---, ---, ---],
[---, ---, ---],
[---, ---, ---],
[---, ---, ---],
[---, ---, ---]]
'''

现在，我们往字典里面添加一个数据：

1
2
3
4
5
6
7
8
9
10
11
12
13
my_dict['name'] = 'kingname'

'''
此时的内存示意图
[[---, ---, ---],
[---, ---, ---],
[---, ---, ---],
[---, ---, ---],
[---, ---, ---],
[1278649844881305901, 指向name的指针, 指向kingname的指针],
[---, ---, ---],
[---, ---, ---]]
'''

这里解释一下，为什么添加了一个键值对以后，内存变成了这个样子：

首先我们调用 Python 的 hash 函数，计算 name 这个字符串在当前运行时的 hash 值：

1
2
>>> hash('name')
1278649844881305901

特别注意，我这里强调了『当前运行时』，这是因为，Python 自带的这个 hash 函数，和我们传统上认为的 Hash 函数是不一样的。Python 自带的这个 hash 函数计算出来的值，只能保证在每一个运行时的时候不变，但是当你关闭 Python 再重新打开，那么它的值就可能会改变，如下图所示：

img

假设在某一个运行时里面，hash('name') 的值为 1278649844881305901。现在我们要把这个数对 8 取余数：

1
2
>>> 1278649844881305901 % 8
5

余数为 5，那么就把它放在刚刚初始化的二维数组中，下标为 5 的这一行。由于 name 和 kingname 是两个字符串，所以底层 C 语言会使用两个字符串变量存放这两个值，然后得到他们对应的指针。于是，我们这个二维数组下标为 5 的这一行，第一个值为 name 的 hash 值，第二个值为 name 这个字符串所在的内存的地址（指针就是内存地址），第三个值为 kingname 这个字符串所在的内存的地址。

现在，我们再来插入两个键值对：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
my_dict['age'] = 26
my_dict['salary'] = 999999

'''
此时的内存示意图
[[-4234469173262486640, 指向salary的指针, 指向999999的指针],
[1545085610920597121, 执行age的指针, 指向26的指针],
[---, ---, ---],
[---, ---, ---],
[---, ---, ---],
[1278649844881305901, 指向name的指针, 指向kingname的指针],
[---, ---, ---],
[---, ---, ---]]
'''

那么字典怎么读取数据呢？首先假设我们要读取 age 对应的值。

此时，Python 先计算在当前运行时下面，age 对应的 Hash 值是多少：

1
2
>>> hash('age')
1545085610920597121

现在这个 hash 值对 8 取余数：

1
2
>>> 1545085610920597121 % 8
1

余数为 1，那么二维数组里面，下标为 1 的这一行就是需要的键值对。直接返回这一行第三个指针对应的内存中的值，就是 age 对应的值 26。

当你要循环遍历字典的 Key 的时候，Python 底层会遍历这个二维数组，如果当前行有数据，那么就返回 Key 指针对应的内存里面的值。如果当前行没有数据，那么就跳过。所以总是会遍历整个二位数组的每一行。

每一行有三列，每一列占用 8byte 的内存空间，所以每一行会占用 24byte 的内存空间。

由于 Hash 值取余数以后，余数可大可小，所以字典的 Key 并不是按照插入的顺序存放的。

注意，这里我省略了与本文没有太大关系的两个点：

  1. 开放寻址，当两个不同的 Key，经过 Hash 以后，再对 8 取余数，可能余数会相同。此时 Python 为了不覆盖之前已有的值，就会使用开放寻址技术重新寻找一个新的位置存放这个新的键值对。
  2. 当字典的键值对数量超过当前数组长度的 2/3 时，数组会进行扩容，8 行变成 16 行，16 行变成 32 行。长度变了以后，原来的余数位置也会发生变化，此时就需要移动原来位置的数据，导致插入效率变低。

在 Python 3.6 以后，字典的底层数据结构发生了变化，现在当你初始化一个空的字典以后，它在底层是这样的：

1
2
3
4
5
6
7
8
my_dict = {}

'''
此时的内存示意图
indices = [None, None, None, None, None, None, None, None]

entries = []
'''

当你初始化一个字典以后，Python 单独生成了一个长度为 8 的一维数组。然后又生成了一个空的二维数组。

现在，我们往字典里面添加一个键值对：

1
2
3
4
5
6
7
8
my_dict['name'] = 'kingname'

'''
此时的内存示意图
indices = [None, 0, None, None, None, None, None, None]

entries = [[-5954193068542476671, 指向name的指针, 执行kingname的指针]]
'''

为什么内存会变成这个样子呢？我们来一步一步地看：

在当前运行时，name 这个字符串的 hash 值为 -5954193068542476671，这个值对 8 取余数是 1：

1
2
3
4
>>> hash('name')
-5954193068542476671
>>> hash('name') % 8
1

所以，我们把 indices 这个一维数组里面，下标为 1 的位置修改为 0。

这里的 0 是什么意思呢？0 是二位数组 entries 的索引。现在 entries 里面只有一行，就是我们刚刚添加的这个键值对的三个数据：name 的 hash 值、指向 name 的指针和指向 kinganme 的指针。所以 indices 里面填写的数字 0，就是刚刚我们插入的这个键值对的数据在二位数组里面的行索引。

好，现在我们再来插入两条数据：

1
2
3
4
5
6
7
8
9
10
11
12
my_dict['address'] = 'xxx'
my_dict['salary'] = 999999

'''
此时的内存示意图
indices = [1, 0, None, None, None, None, 2, None]

entries = [[-5954193068542476671, 指向name的指针, 执行kingname的指针],
          [9043074951938101872, 指向address的指针，指向xxx的指针],
          [7324055671294268046, 指向salary的指针, 指向999999的指针]
         ]
'''

现在如果我要读取数据怎么办呢？假如我要读取 salary 的值，那么首先计算 salary 的 hash 值，以及这个值对 8 的余数：

1
2
3
4
>>> hash('salary')
7324055671294268046
>>> hash('salary') % 8
6

那么我就去读 indices 下标为 6 的这个值。这个值为 2.

然后再去读 entries 里面，下标为 2 的这一行的数据，也就是 salary 对应的数据了。

新的这种方式，当我要插入新的数据的时候，始终只是往 entries 的后面添加数据，这样就能保证插入的顺序。当我们要遍历字典的 Keys 和 Values 的时候，直接遍历 entries 即可，里面每一行都是有用的数据，不存在跳过的情况，减少了遍历的个数。

老的方式，当二维数组有 8 行的时候，即使有效数据只有 3 行，但它占用的内存空间还是 8*24 = 192 byte。但使用新的方式，如果只有三行有效数据，那么 entries 也就只有 3 行，占用的空间为 3*24 =72 byte，而 indices 由于只是一个一维的数组，只占用 8 byte，所以一共占用 80 byte。内存占用只有原来的 41%。

原文地址