问题:什么时候在Python中hash(n)== n?
我一直在玩Python的hash函数。对于小整数,它hash(n) == n
总是出现。但是,这不会扩展为大量:
>>> hash(2**100) == 2**100
False
我并不感到惊讶,我知道哈希值取值范围有限。这个范围是多少?
我尝试使用二进制搜索来找到最小的数字hash(n) != n
>>> import codejamhelpers # pip install codejamhelpers
>>> help(codejamhelpers.binary_search)
Help on function binary_search in module codejamhelpers.binary_search:
binary_search(f, t)
Given an increasing function :math:`f`, find the greatest non-negative integer :math:`n` such that :math:`f(n) \le t`. If :math:`f(n) > t` for all :math:`n \ge 0`, return None.
>>> f = lambda n: int(hash(n) != n)
>>> n = codejamhelpers.binary_search(f, 0)
>>> hash(n)
2305843009213693950
>>> hash(n+1)
0
2305843009213693951有什么特别之处?我注意到它小于sys.maxsize == 9223372036854775807
编辑:我正在使用Python3。我在Python 2上运行了相同的二进制搜索,得到了不同的结果2147483648,我注意到这是 sys.maxint+1
我也玩过[hash(random.random()) for i in range(10**6)]
以估计哈希函数的范围。最大值始终低于上面的n。比较最小值,似乎Python 3的哈希值始终为正值,而Python 2的哈希值可以为负值。
回答 0
基于文件中的python文档pyhash.c
:
对于数字类型,数字x的哈希值是基于对x的减乘以模数质数得出的
P = 2**_PyHASH_BITS - 1
。它的设计使hash(x) == hash(y)
x和y在数值上相等时,即使x和y具有不同的类型。
因此,对于64/32位计算机,减少量将为2 _PyHASH_BITS -1,但是什么是_PyHASH_BITS
?
您可以在pyhash.h
头文件中找到该文件,对于64位计算机,该头文件已定义为61(您可以在pyconfig.h
文件中阅读更多说明)。
#if SIZEOF_VOID_P >= 8
# define _PyHASH_BITS 61
#else
# define _PyHASH_BITS 31
#endif
因此首先基于您的平台,例如在我的64位Linux平台上,减少幅度是2 61 -1,即2305843009213693951
:
>>> 2**61 - 1
2305843009213693951
也可以使用math.frexp
来获取尾数和尾数sys.maxint
,对于64位机器,该尾数和尾数表明max int为2 63:
>>> import math
>>> math.frexp(sys.maxint)
(0.5, 64)
您可以通过一个简单的测试来查看差异:
>>> hash(2**62) == 2**62
True
>>> hash(2**63) == 2**63
False
阅读有关python哈希算法的完整文档https://github.com/python/cpython/blob/master/Python/pyhash.c#L34
如注释中所述,您可以使用sys.hash_info
(在python 3.X中),这将为您提供用于计算哈希的参数的结构序列。
>>> sys.hash_info
sys.hash_info(width=64, modulus=2305843009213693951, inf=314159, nan=0, imag=1000003, algorithm='siphash24', hash_bits=64, seed_bits=128, cutoff=0)
>>>
除了我在前inf
几行中描述的模数之外,您还可以获得以下值:
>>> hash(float('inf'))
314159
>>> sys.hash_info.inf
314159
回答 1
2305843009213693951
是2^61 - 1
。它是最大的Mersenne素数,适合64位。
如果您只需要将值mod取一个数字就可以进行哈希处理,那么大的Mersenne素数是一个不错的选择-它易于计算并且可以确保可能性的均匀分布。(尽管我个人永远不会这样散列)
计算浮点数的模数特别方便。它们具有将整数乘以的指数成分2^x
。既然2^61 = 1 mod 2^61-1
,您只需要考虑(exponent) mod 61
。
回答 2
哈希函数返回的是纯整数int,这意味着返回的值大于-sys.maxint
和小于sys.maxint
,这意味着如果传递sys.maxint + x
给它,结果将为-sys.maxint + (x - 2)
。
hash(sys.maxint + 1) == sys.maxint + 1 # False
hash(sys.maxint + 1) == - sys.maxint -1 # True
hash(sys.maxint + sys.maxint) == -sys.maxint + sys.maxint - 2 # True
同时2**200
是n
倍大于sys.maxint
-我的猜测是,哈希将范围去了-sys.maxint..+sys.maxint
,直到它停止在普通整数在这个范围内,如上面的代码段n次..
因此,通常,对于任何n <= sys.maxint:
hash(sys.maxint*n) == -sys.maxint*(n%2) + 2*(n%2)*sys.maxint - n/2 - (n + 1)%2 ## True
注意:这适用于python 2。
回答 3
它只返回值,除了-1
,则返回-2
:
static long
int_hash(PyIntObject *v)
{
/* XXX If this is changed, you also need to change the way
Python's long, float and complex types are hashed. */
long x = v -> ob_ival;
if (x == -1)
x = -2;
return x;
}