问题：“可哈希”在Python中是什么意思？
我尝试搜索互联网，但找不到可哈希的含义。
当他们说物体是什么hashable或hashable objects什么意思？
回答 0
如果对象的哈希值在其生命周期内始终不变（需要一个
__hash__()方法），并且可以与其他对象进行比较（需要一个__eq__()or__cmp__()方法），则该对象是可哈希的。比较相等的可哈希对象必须具有相同的哈希值。散列性使对象可用作字典键和set成员，因为这些数据结构在内部使用散列值。
Python的所有不可变内置对象都是可哈希的，而没有可变容器（例如列表或字典）是可哈希的。作为用户定义类实例的对象默认情况下可哈希化；它们都比较不相等，并且其哈希值是
id()。
回答 1
这里的所有答案都很好地解释了python中可哈希对象的工作原理，但是我相信必须首先了解术语“哈希”。
散列是计算机科学中的一个概念，用于创建高性能的伪随机访问数据结构，在该结构中要快速存储和访问大量数据。
例如，如果您有10,000个电话号码，并且想要将它们存储在一个数组中（这是一个顺序数据结构，可将数据存储在连续的内存位置中，并提供随机访问），但是您可能没有所需的连续数量内存位置。
因此，您可以改为使用大小为100的数组，并使用哈希函数将一组值映射到相同的索引，并且这些值可以存储在链接列表中。这提供了类似于阵列的性能。
现在，哈希函数可以很简单，只需将数字除以数组的大小，然后将其余部分作为索引即可。
有关更多详细信息，请参阅https://en.wikipedia.org/wiki/Hash_function
这是另一个很好的参考：http : //interactivepython.org/runestone/static/pythonds/SortSearch/Hashing.html
回答 2
任何不可变的东西（可变的手段，可能会改变）都可以被散列。除了要查找的哈希函数（如果有类）之外，还可以通过例如。dir(tuple)寻找__hash__方法，这里有一些例子
#x = hash(set([1,2])) #set unhashable
x = hash(frozenset([1,2])) #hashable
#x = hash(([1,2], [2,3])) #tuple of mutable objects, unhashable
x = hash((1,2,3)) #tuple of immutable objects, hashable
#x = hash()
#x = hash({1,2}) #list of mutable objects, unhashable
#x = hash([1,2,3]) #list of immutable objects, unhashable不可变类型列表：
int, float, decimal, complex, bool, string, tuple, range, frozenset, bytes可变类型列表：
list, dict, set, bytearray, user-defined classes回答 3
根据Python词汇表的理解，当您创建可哈希对象的实例时，还会根据实例的成员或值来计算不可更改的值。例如，该值随后可以用作字典中的键，如下所示：
>>> tuple_a = (1,2,3)
>>> tuple_a.__hash__()
2528502973977326415
>>> tuple_b = (2,3,4)
>>> tuple_b.__hash__()
3789705017596477050
>>> tuple_c = (1,2,3)
>>> tuple_c.__hash__()
2528502973977326415
>>> id(a) == id(c) # a and c same object?
False
>>> a.__hash__() == c.__hash__() # a and c same value?
True
>>> dict_a = {}
>>> dict_a[tuple_a] = 'hiahia'
>>> dict_a[tuple_c]
'hiahia'我们可以发现tuple_a和tuple_c的哈希值相同，因为它们具有相同的成员。当我们将tuple_a用作dict_a中的键时，我们可以发现dict_a [tuple_c]的值相同，这意味着，当它们用作dict中的键时，它们将返回相同的值，因为哈希值是相同。对于那些不可哈希的对象，方法哈希定义为“无”：
>>> type(dict.__hash__)
<class 'NoneType'>我猜这个哈希值是在实例初始化时计算出来的，而不是以动态方式计算的，这就是为什么只有不可变对象才可以哈希的原因。希望这可以帮助。
回答 4
让我给您一个工作示例，以了解python中的可哈希对象。我以2个元组为例，一个元组中的每个值都有一个唯一的哈希值，该值在其生命周期内不会改变。因此，基于此值，可以完成两个元组之间的比较。我们可以使用Id（）获得元组元素的哈希值。
Let me give you a working example to understand the hashable objects in python. I am taking 2 Tuples for this example.Each value in a tuple has a unique Hash Value which never changes during its lifetime. So based on this has value, the comparison between two tuples is done. We can get the hash value of a tuple element using the Id().
回答 5
在python中，这意味着该对象可以是集合的成员以便返回索引。即，它们具有唯一的身份/ ID。
例如，在python 3.3中：
数据结构列表不可散列，但数据结构元组可散列。
回答 6
可散列=能够被散列。
好的，什么是哈希？哈希函数是一种函数，它接受一个对象（例如字符串，例如“ Python”）并返回固定大小的代码。为简单起见，假定返回值为整数。
当我在Python 3中运行hash（’Python’）时，结果为5952713340227947791。不同版本的Python可以自由更改基础哈希函数，因此您可能会获得不同的值。重要的是，无论我现在多次运行hash（’Python’），还是始终使用相同版本的Python获得相同的结果。
但是hash（’Java’）返回1753925553814008565。因此，如果要散列的对象发生了变化，结果也将发生变化。另一方面，如果我正在哈希的对象没有更改，则结果保持不变。
为什么这么重要？
好吧，例如，Python字典要求键是不可变的。即，键必须是不变的对象。字符串在Python中是不变的，其他基本类型（int，float，bool）也是如此。元组和冻结集也是不可变的。另一方面，列表不是不可变的（即，它们是可变的），因为您可以更改它们。同样，字典是易变的。
因此，当我们说某事是可哈希的时，我们表示它是不可变的。如果我尝试将可变类型传递给hash（）函数，它将失败：
>>> hash('Python')
1687380313081734297
>>> hash('Java')
1753925553814008565
>>>
>>> hash([1, 2])
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: unhashable type: 'list'
>>> hash({1, 2})
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: unhashable type: 'set'
>>> hash({1 : 2})
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: unhashable type: 'dict'
>>>
>>> hash(frozenset({1, 2}))
-1834016341293975159
>>> hash((1, 2))
3713081631934410656回答 7
在Python中，任何不可变的对象（例如整数，布尔值，字符串，元组）都是可哈希的，这意味着其值在其生存期内不会改变。这使Python可以创建一个唯一的哈希值来标识它，字典可以使用它来跟踪唯一的键，并使用集合来跟踪唯一的值。
这就是为什么Python要求我们对字典中的键使用不可变的数据类型。
回答 8
为了从头开始创建哈希表，必须将所有值设置为“无”，并在需要时进行修改。哈希对象是指可修改的数据类型（字典，列表等）。另一方面，一旦分配，就无法重新初始化集合，因此集合不可散列。而set（）的变体-Frozenset（）是可哈希的。
