提问人：Thomas 提问时间：5/13/2020 最后编辑：Thomas 更新时间：5/17/2020 访问量：738
在不降低性能的情况下覆盖__eq__和__hash__
Overriding __eq__ and __hash__ without downgrading performace
问：
我有两个类，结构和片段，分别代表化学结构。 如果我比较同一类的两个实例，则比较应该表现正常，但是如果我将结构与片段进行比较，则比较应基于唯一标识化学结构的字符串属性。
不幸的是，在我的尝试中，运行时间急剧增加（使用集合和字典的操作）。
类结构：
def __eq__(self, other):
if isinstance(other, Structure):
return self is other
else:
return self.cansmiles is other.cansmiles_unstarred
def __hash__(self):
return hash(self.cansmiles)
片段均衡器和哈希使用相同的逻辑实现。
“cansmiles”字符串可能很长（通常为 25 个，最多 100 个），我试图切成薄片，但没有运气。
问题是：内置哈希和均衡器有什么神奇之处才能如此高效？有没有办法有效地覆盖它们？有什么建议吗？
更新：我可以避免每次调用时都计算哈希值吗？__hash__
答：
2赞
Aleksi Torhamo
5/17/2020
#1
就像评论中提到的，你有一个更大的问题：你的代码有错误。虽然可能稍微快一点，但它也做错了事情。is
虽然一些快速测试可能会让你相信它有效 - 由于 Python 优化了一些简单的情况 - 但这些例子表明它通常不起作用：
def f():
return 'not always identical!'
a = 'not always identical!'
b = f()
# Will print: True False -- that is, the strings are equal, but not the same string object
print(a == b, a is b)
x = 'a'
a = x*2
b = 'aa'
# Will print: True False -- that is, the strings are equal, but not the same string object
print(a == b, a is b)
至于你的实现，如果你试图比较 s 和 s 以外的任何内容，它就会中断（因为其他对象可能没有 / 属性，给出一个 - 或者如果它们有，代码会做错误的事情，因为你可能不想比较等于一个随机的未知对象）。__eq__()StructureFragmentcansmilescansmiles_unstarredAttributeError
现在，考虑一下代码的这一部分：
if isinstance(other, Structure):
return self is other
既然是 ，如果与 是同一个对象，那么 other 显然也是一个 ，所以 是不必要的。如果你看一下这两个问题，你就会意识到整个事情是错误的：你不需要检查 的类型，但你确实需要检查字符串检查的类型！因此：selfStructureselfotherStructureifis
def __eq__(self, other):
if isinstance(other, Fragment):
return self.cansmiles == other.cansmiles_unstarred
else:
return self is other
现在，至于此更改将如何影响字典查找的速度：它不会。Python 通过先检查 来优化字典查找，然后再回退到 。因此，如果您使用与保存数据时使用的相同类型进行查找，由于同一类型中的相等性是基于标识的，因此实际调用的唯一时间是您发生哈希冲突（罕见）。is==__eq__()
但是，如果您使用其他类型进行查找，则对象将不相同，因此它将回退并调用 - 但从 到 的变化仍然不会影响速度：可能比 稍慢，但函数调用要慢一个数量级，因此 所花费的时间将使任一比较所花费的时间相形见绌。==__eq__()is====isisinstance()
那么，为什么内置的要快得多呢？那么，为什么比 ？因为运行 Python 字节码比运行本机代码慢得多。在评论中，您说只检查指针 - 但这不是真的，是吗？您必须从字节码中获取下一个操作码及其参数，选择正确的处理程序，跳转到处理程序等。__eq__()__hash__()sum(l)for v in l: t += vis
如果你说 ，并调用该函数，而不是“只是指针比较”，你必须设置一个执行框架，为本地范围填充一个字典，对字典进行两次查找以根据名称获取值，将它们推送到堆栈中，从堆栈中弹出值，进行比较， 将结果推送到堆栈上，从堆栈中弹出结果，最后返回值 - 每个步骤都包括获取和解码字节码、跳转等。所以是的，这将比内置的要慢，后者实际上可能非常接近“只是一个指针比较”。def __eq__(self, other): return self is other__eq__()
至于避免重新计算哈希值：你已经这样做了 - 你正在对字符串进行哈希处理，而字符串缓存它们的哈希值，所以它们不会被重新计算。内置的 ID 基于对象的 id，因此它应该是恒定时间，因此它显然比计算字符串的哈希值更快，字符串应该是线性时间。但是，即使重新计算字符串哈希，也是在本机代码中完成的，因此速度差异很小 - 并且与定义自定义代码时从本机代码切换到运行 python 字节码的事实相形见绌。__hash__()
你当然可以缓存自己返回的值 - 你需要添加一个 if 来检查是否已经计算出哈希值，但由于调用函数的速度相对较慢，即使添加了代码，结果可能仍然会稍微快一些。但是你会添加代码，并降低可读性，以获得非常小的速度提升。如果你想要速度，为什么不直接使用字符串作为键呢？或者，如果速度真的很重要，你可能想看看 PyPy（甚至 Numba）。hash()
评论
is==is==object.__eq__之所以有效，是因为它除了简单地检查它们是否是同一对象之外，没有比较两个对象的基础。那是。__eq__ = lambda x, y: x is yis==if__hash__==is