python3字典底层实现原理

1. 在python3中字典是通过散列表或者哈希表实现的，因此字典也被称为关联数组或者哈希数组。
2. 数组的索引是键经过哈希函数处理后得到的散列值。
3. python3的字典的键经过哈希函数的目的：使键均匀地分布在数组中并且可以在内存中以O(1)的时间复杂度进行寻址，从而实现快速查找和修改。
4. 由于不同的键可能具有相同的哈希值，即可能出现冲突，高级的哈希函数能够使冲突数目最小化。
5. Python中所有不可变的内置类型都是可哈希的，不可变类型（比如，数字，元组，字符串）可哈希。 可变类型（如列表，字典和集合）就是不可哈希的。
6. 定义对象需要满足支持hash、支持通过__eq__()方法检测相等性、若a == b为真，则hash(a) == hash(b)也为真。

常见的哈希碰撞解决办法：

1. 开放定址法(线行探查法、平方探查法、双散列函数)
2. 链地址法(拉链法) 链接地址法的思路是将哈希值相同的元素构成一个同义词的单链表，并将单链表的头指针存放在哈希表的第 i个单元中，查找、插入和删除主要在同义词链表中进行。链表法适用于经常进行插入和删除的情况。
3. 再哈希法 就是同时构造多个不同的哈希函数：
   Hi = RHi(key) i= 1,2,3 … k;
   当H1 = RH1(key) 发生冲突时，再用H2 = RH2(key) 进行计算，直到冲突不再产生，这种方法不易产生 聚集，但是增加了计算时间
4. 建立公共溢出区 将哈希表分为公共表和溢出表，当溢出发生时，将所有溢出数据统一放到溢出区

处理冲突时平均查找长度：

1.哈希表的装填因子
装填因子a = （哈希表中的记录数） / （哈希表的长度）

装填因子是哈希表装满程度的标记因子。a值越大，填入表中的数据元素越多，产生冲突的可能性越大。
2.平均查找长度