Python：使用集合检测重复项

Question

我有很多对象需要在Python中存储以便处理。具体来说，我想从一大堆对象中去掉重复的。我希望如果对象中的某个实例变量相等，就认为这两个对象是“相等”的。因此，我想最简单的方法就是把所有对象放进一个集合里，并重写__hash__方法，让它根据我关心的那个实例变量来计算哈希值。

所以，我做了一个测试，尝试了以下代码：

class Person:
    def __init__(self, n, a):
        self.name = n
        self.age = a

    def __hash__(self):
        return hash(self.name)

    def __str__(self):
        return "{0}:{1}".format(self.name, self.age)

myset = set()
myset.add(Person("foo", 10))
myset.add(Person("bar", 20))
myset.add(Person("baz", 30))
myset.add(Person("foo", 1000)) # try adding a duplicate

for p in myset: print(p)

在这里，我定义了一个Person类，任何两个Person实例只要name变量相同，就认为它们是相等的，不管其他实例变量的值是什么。不幸的是，程序输出了：

baz:30
foo:10
bar:20
foo:1000

注意到foo出现了两次，所以这个程序没有发现重复的对象。然而，表达式hash(Person("foo", 10)) == hash(Person("foo", 1000))的结果是True。那么，为什么它没有正确检测到重复的Person对象呢？

Answer 1

哈希函数只是用来生成对象的唯一标识，但光有这个还不够，你还需要实现比较函数（也就是 __eq__）。

Answer 2

一个集合显然需要处理哈希冲突。如果两个对象的哈希值相同，集合会使用 == 操作符来比较它们，以确保它们真的相等。在你的情况下，只有当这两个对象是同一个对象时，这个比较才会返回 True（这是用户自定义类的标准实现）。

简单来说：还需要定义 __eq__() 方法才能让它正常工作。

Answer 3

你忘了还要 定义 __eq__()。

如果一个类没有定义 __cmp__() 或 __eq__() 方法，那么它也不应该定义 __hash__() 操作；如果它定义了 __cmp__() 或 __eq__() 但没有定义 __hash__()，那么它的实例就不能在哈希集合中使用。如果一个类定义了可变对象，并且实现了 __cmp__() 或 __eq__() 方法，那么它就不应该实现 __hash__()，因为哈希集合要求对象的哈希值是不可变的（如果对象的哈希值改变了，它就会被放到错误的哈希桶里）。