Python 哈希映射（Hashmap）指南

了解什么是哈希映射，以及它们如何通过 Python 的字典来实现。

Javier Canales Luna

已更新 2026年10月6日 · 11分钟阅读

使用 AI 探索

ChatGPT Claude Perplexity

当今天的数据从业者谈到数据存储时，大多数情况下指的是数据存放在哪里——本地文件、SQL 或 NoSQL 数据库，或云端。然而，与数据存储相关的另一重要方面是数据如何被存储。

数据存储的如何常常发生在更底层，也就是编程语言的核心层面。它关乎我们所用工具的设计，而非如何使用这些工具。但了解数据是如何存储的，对理解支撑我们工作的底层机制至关重要。而且，这些知识还能帮助我们做出更好的决策，以提升计算性能。

如果您对哈希映射，以及链表、栈、队列和图等数据结构真正感兴趣，欢迎在 DataCamp 注册，学习我们的Python 数据结构与算法课程。

什么是哈希映射（Hashmap）？

要定义哈希映射，首先需要理解什么是哈希。哈希指的是将任意给定的键或字符序列转换为另一个值的过程。结果通常是更短、固定长度的值，比原始键在计算上更易处理。

哈希映射（也称哈希表）是哈希最常见的实现之一。哈希映射以列表形式存储键值对（例如，员工 ID 与员工姓名），并可通过索引访问。可以说，哈希映射是一种利用哈希技术以关联方式存储数据的数据结构。它们经过优化，能够更快地进行插入、删除和查找等数据操作。

哈希映射背后的思想是将条目（键/值对）分布到一个由桶组成的数组中。给定一个键，哈希函数会计算出一个唯一的索引，指示该条目可在何处找到。使用索引而非原始键，使哈希映射特别适合执行多种数据操作，包括插入、删除和查找。

哈希映射的工作原理。图片由作者提供

为计算哈希值（或简称哈希），哈希函数会依据某种数学哈希算法生成新值。由于键值对在理论上是无限的，哈希函数会基于给定的表大小来映射键。

可用的哈希函数有多种，各有优缺点。哈希函数的主要目标是：对相同输入始终返回相同的值。

最常见的有：

除留余数法：这是计算哈希值最简单、最快的方法。用键除以表大小，再将余数作为哈希值。
平方取中法：先对给定键求平方，然后取中间若干位作为元素的索引。
乘法散列法：通过将键与一个较大的实数相乘，取其小数部分来设定哈希索引。
折叠法：先将键按等长分块，将各块结果相加，再用表大小取余。哈希值为所得余数。

Python 中的哈希映射

Python 通过内置的字典数据类型实现哈希映射。与哈希映射类似，字典以 {key:value} 形式存储数据。创建字典后（见下一节），Python 会在底层应用合适的哈希函数来计算每个键的哈希值。

Python 字典具有以下特性：

字典是可变的：这意味着创建字典之后，我们仍可更改、添加或删除其中的项目。
元素是有序的：在 Python 3.6 及更早版本中，字典是无序的，即项目没有定义顺序。但自 Python 3.7 起，字典变为保持插入顺序。现在，当您创建一个字典时，键会按照源代码中的顺序排列。关于这一变化的原因，可阅读这篇Raymond Hettinger 的说明，他是 Python 的核心开发者之一。
键是不可变的：也就是说，键必须是不可更改的数据类型。换言之，字典只接受可哈希的数据类型作为键，如字符串、数字和元组。相反，键绝不能是可变类型，如列表。
键是唯一的：键在字典中必须唯一，不能重复。如果同一键被使用多次，后面的条目会覆盖先前的值。

因此，如果您曾经疑惑哈希映射与字典的区别，答案很简单。字典正是 Python 对哈希映射的原生实现。哈希映射是一类可用多种哈希技术构建的数据结构，而字典是特定的、基于 Python 的哈希映射，其设计与行为由 Python 的 dict 类所定义。

许多现代编程语言（如 Python、Java 和 C++）都支持哈希映射。在 Python 中，哈希映射通过字典来实现——这是一种您很可能已经熟悉的常用数据结构。接下来几节，我们将介绍字典的基础、其工作原理，以及如何借助不同的 Python 包来使用它们。

如何使用 Python 字典

下面来看看一些最常见的字典操作。要了解更多用法，请查看我们的Python 字典教程。

创建字典

在 Python 中创建字典非常简单。您只需使用花括号，并以逗号分隔插入键值对。或者，也可以使用内置的 dict() 函数。让我们创建一个将首都映射到国家的字典：

# Create dictionary
dictionary_capitals = {'Madrid': 'Spain', 'Lisboa': 'Portugal', 'London': 'United Kingdom'}

# Print the content of the dictionary
print(dictionary_capitals)

# Expected output:
# {'Madrid': 'Spain', 'Lisboa': 'Portugal', 'London': 'United Kingdom'}

需要牢记，字典中的键必须唯一；不允许重复。然而，如果出现重复键，Python 不会报错，而是以最后一次出现的该键为准，忽略第一次的键值对。亲自看看：

dictionary_capitals = {'Madrid': 'China', 'Lisboa': 'Portugal', 
                       'London': 'United Kingdom','Madrid':'Spain'}

print(dictionary_capitals)

# Expected output:
# {'Madrid': 'Spain', 'Lisboa': 'Portugal', 'London': 'United Kingdom'}

在字典中查找

要在字典中查找信息，我们需要在方括号中指定键，Python 将返回关联的值，如下所示：

# Search for data
print(dictionary_capitals['Madrid'])

# Expected output: Spain

如果尝试访问字典中不存在的键，Python 会抛出错误。为避免这种情况，可以使用 .get() 方法访问键。若键不存在，将返回 None：

print(dictionary_capitals.get('Prague'))

# Expected output: None

在字典中添加与删除值

我们来添加一个新的首都-国家对：

# Create a new key-value pair
dictionary_capitals['Berlin'] = 'Italy'

print(dictionary_capitals)

# Expected output:
# {'Madrid': 'Spain', 'Lisboa': 'Portugal', 'London': 'United Kingdom', 'Berlin': 'Italy'}

相同的语法也可用于更新某个键关联的值。我们来修正 Berlin 对应的值：

# Update the value of a key
dictionary_capitals['Berlin'] = 'Germany'

print(dictionary_capitals)

# Expected output:
# {'Madrid': 'Spain', 'Lisboa': 'Portugal', 'London': 'United Kingdom', 'Berlin': 'Germany'}

现在我们来删除字典中的一对键值：

# Delete key-value pair
del dictionary_capitals['Lisboa']

print(dictionary_capitals)

# Expected output:
# {'Madrid': 'Spain', 'London': 'United Kingdom', 'Berlin': 'Germany'}

或者，如果要删除字典中的所有键值对，可以使用 .clear() 方法：

dictionary_capitals.clear()

print(dictionary_capitals)

# Expected output: {}

遍历字典

如果您想获取所有键值对，请使用 .items() 方法，Python 会返回一个可迭代的元组列表：

dictionary_capitals = {'Madrid': 'Spain', 'Lisboa': 'Portugal', 
                      'London': 'United Kingdom', 'Berlin': 'Germany'}

print(dictionary_capitals.items())

# Expected output:
# dict_items([('Madrid', 'Spain'), ('Lisboa', 'Portugal'), 
# ('London', 'United Kingdom'), ('Berlin', 'Germany')])

# Iterate over key-value pairs
for key, value in dictionary_capitals.items():
    print('the capital of {} is {}'.format(value, key))

# Expected output:
# the capital of Spain is Madrid
# the capital of Portugal is Lisboa
# the capital of United Kingdom is London
# the capital of Germany is Berlin

同样地，如果您想分别获取键和值组成的可迭代列表，可以使用 .keys() 和 .values() 方法：

print(dictionary_capitals.keys())

# Expected output:
# dict_keys(['Madrid', 'Lisboa', 'London', 'Berlin'])

for key in dictionary_capitals.keys():
    print(key.upper())

# Expected output:
# MADRID
# LISBOA
# LONDON
# BERLIN

print(dictionary_capitals.values())

# Expected output:
# dict_values(['Spain', 'Portugal', 'United Kingdom', 'Germany'])

for value in dictionary_capitals.values():
    print(value.upper())

# Expected output:
# SPAIN
# PORTUGAL
# UNITED KINGDOM
# GERMANY

哈希映射的真实应用场景

哈希映射是功能强大的数据结构，几乎无处不在。以下是一些真实世界中的应用：

数据库索引：哈希映射常用于索引和检索海量数据。常见的网页浏览器使用哈希映射来存储已索引的网页。
缓存管理：现代操作系统使用哈希映射来组织缓存内存，以便快速访问常用信息。
密码学：哈希映射在密码学领域发挥关键作用。加密算法利用哈希映射来实现数据完整性、数据校验以及跨网络的安全交易。
区块链：哈希映射是区块链的核心。每当网络中发生交易，交易数据就作为哈希函数的输入，从而产生唯一输出。区块链中的每个区块都携带前一个区块的哈希，形成区块链条。

哈希映射最佳实践与常见错误

哈希映射是极其通用且高效的数据结构，但也存在问题与局限。为应对与哈希映射相关的常见挑战，需要牢记一些注意事项与良好实践。

键必须不可变

这很好理解：如果键的内容发生变化，哈希函数会返回不同的哈希值，Python 将无法找到与该键关联的值。

处理哈希碰撞

哈希只有在每个项目都映射到哈希表中的唯一位置时才理想。但有时，不同输入会产生相同的哈希输出。例如，若使用除留余数法，不同整数可能得到相同的余数，从而产生所谓的碰撞。碰撞必须被解决，已有多种技术可用。幸运的是，就字典而言，Python 会在底层处理潜在的碰撞。

理解装载因子

装载因子定义为表中元素数量与桶总数之比。它用于估计数据分布的均匀程度。经验上，数据分布越均匀，发生碰撞的可能性越小。同样地，对于字典，Python 会在插入或删除键值对时自动调整表大小。

关注性能

一个良好的哈希函数应尽量减少碰撞、易于计算，并将项目在哈希表中均匀分布。这可以通过增大表大小或提高哈希函数复杂度来实现。虽然对小规模项目可行，但当可能项目数巨大时，就不可取了，因为这会导致占用大量内存、效率更低的哈希映射。

字典是否适合您的需求？

字典很强大，但针对您的具体数据与需求，其他数据结构或许更合适。毕竟，字典不支持诸如索引、切片与拼接等常见操作，使其在某些场景下不够灵活、使用难度更高。

其他 Python 哈希映射实现

如前所述，Python 通过内置字典实现哈希映射。不过，还需注意，Python 还有其他原生工具以及第三方库，可用于发挥哈希映射的威力。

下面来看一些最受欢迎的示例。

Defaultdict

每当您尝试访问字典中不存在的键时，Python 会抛出 KeyError。一种防范方式是使用 .get() 方法来查找。但更优化的方式是使用 Defaultdict（位于 collections 模块）。Defaultdict 与字典几乎相同，唯一区别在于：Defaultdict 对不存在的键会提供默认值，因此从不抛出错误。

from collections import defaultdict 

# Defining the dict 
capitals = defaultdict(lambda: "The key doesn't exist") 
capitals['Madrid'] = 'Spain'
capitals['Lisboa'] = 'Portugal'
  
print(capitals['Madrid']) 
print(capitals['Lisboa']) 
print(capitals['Ankara']) 

# Expected output:
# Spain
# Portugal
# The key doesn't exist

Counter

Counter 是 Python 字典的一个子类，专为统计可哈希对象而设计。它把元素作为键、计数作为值来存储。

初始化 Counter 的方式有多种：

通过一个序列。
通过包含键与计数的字典。
使用 name:value 的映射。

from collections import Counter 

# a new counter from an iterable
c1 = Counter(['aaa','bbb','aaa','ccc','ccc','aaa'])
# a new counter from a mapping
c2 = Counter({'red': 4, 'blue': 2})     
# a new counter from keyword args
c3 = Counter(cats=4, dogs=8)       
# print results
print(c1)
print(c2)
print(c3)

# Expected output:
# Counter({'aaa': 3, 'ccc': 2, 'bbb': 1})
# Counter({'red': 4, 'blue': 2})
# Counter({'dogs': 8, 'cats': 4})

Counter 类带有一系列便捷方法，可用于完成常见统计。

print('keys of the counter: ', c3.keys())
print('values of the counter: ',c3.values()) 
print('list with all elements: ', list(c3.elements())) 
print('number of elements: ', c3.total()) # number elements
print('2 most common occurrences: ', c3.most_common(2)) # 2 most common occurrences 

# Expected output:
# keys of the counter:  dict_keys(['cats', 'dogs'])
# values of the counter:  dict_values([4, 8])
# list with all elements:  ['cats', 'cats', 'cats', 'cats', 'dogs', 'dogs', 'dogs', 'dogs', 'dogs', 'dogs', 'dogs', 'dogs']
# number of elements:  12
# 2 most common occurrences:  [('dogs', 8), ('cats', 4)]

Scikit-learn 的哈希方法

Scikit-learn（也称 sklearn）是一个开源、强大的 Python 机器学习库，旨在简化在 Python 中实现机器学习与统计模型的过程。

Sklearn 提供多种哈希相关方法，对特征工程非常有用。

其中最常见的方法之一是 CountVectorizer。它将给定文本按词频转换为向量，特别适用于文本分析场景。

from sklearn.feature_extraction.text import CountVectorizer
import pandas as pd
 
documents = ["Welcome to this new DataCamp Python course",
            "Welcome to this new DataCamp R skill track",
            "Welcome to this new DataCamp Data Analyst career track"]
 
# Create a Vectorizer Object
vectorizer = CountVectorizer()

X = vectorizer.fit_transform(documents)

# print unique values 
print('unique words: ', vectorizer.get_feature_names_out())

# print sparse matrix with word frequency
pd.DataFrame(X.toarray(), columns = vectorizer.get_feature_names_out())

# Expected output:
# unique words:  ['analyst' 'career' 'course' 'data' 'datacamp' 'new' 'python' 'skill'
# 'this' 'to' 'track' 'welcome']

sklearn 中还有其他哈希方法，包括 FeatureHasher 和 DictVectorizer。

结语

恭喜您完成本次关于哈希映射的教程。我们希望您现在对哈希映射与 Python 字典有了更深入的理解。如果您想进一步了解字典及其在真实场景中的用法，我们强烈建议阅读我们的Python 字典教程以及Python 字典推导式教程。

最后，如果您刚开始学习 Python，想了解更多，请学习 DataCamp 的Python 数据科学入门课程，并查看我们的面向初学者的 Python 课程。

Author

Javier Canales Luna

我是一名自由职业的数据分析师，与全球各地的公司和组织合作开展数据科学项目。我也担任数据科学讲师，拥有2年以上授课经验。我经常用英语和西班牙语撰写与数据科学相关的文章，其中一些已发表在 DataCamp、Towards Data Science 和 Analytics Vidhya 等知名网站上。作为一名具有政治学与法律背景的数据科学家，我的目标是在公共政策、法律与技术的交汇处开展工作，借助思想的力量推动创新解决方案与叙事，帮助我们应对紧迫挑战，尤其是气候危机。我认为自己是自学成才、不断进步的人，坚定支持跨学科合作。学习新事物永远不嫌晚。

主题

Python

数据工程