在Python 3.5（含）以前，字典是不能保證順序的，鍵值對A先插入字典，鍵值對B后插入字典，但是當你打印字典的Keys列表時，你會發現B可能在A的前面。
但是從Python 3.6開始，字典是變成有順序的了。你先插入鍵值對A，后插入鍵值對B，那么當你打印Keys列表的時候，你就會發現B在A的后面。
不僅如此，從Python 3.6開始，下面的三種遍歷操作，效率要高于Python 3.5之前：
for key in 字典
for value in 字典.values()
for key, value in 字典.items()
從Python 3.6開始，字典占用內存空間的大小，視字典里面鍵值對的個數，只有原來的30%~95%。
Python 3.6到底對字典做了什么優化呢？為了說明這個問題，我們需要先來說一說，在Python 3.5（含）之前，字典的底層原理。
當我們初始化一個空字典的時候，CPython的底層會初始化一個二維數組，這個數組有8行，3列，如下面的示意圖所示：
my_dict = {}
'''
此時的內存示意圖
[[---, ---, ---],
[---, ---, ---],
[---, ---, ---],
[---, ---, ---],
[---, ---, ---],
[---, ---, ---],
[---, ---, ---],
[---, ---, ---]]
'''
現在，我們往字典里面添加一個數據：
my_dict['name'] = 'kingname'
'''
此時的內存示意圖
[[---, ---, ---],
[---, ---, ---],
[---, ---, ---],
[---, ---, ---],
[---, ---, ---],
[1278649844881305901, 指向name的指針, 指向kingname的指針],
[---, ---, ---],
[---, ---, ---]]
'''
這里解釋一下，為什么添加了一個鍵值對以后，內存變成了這個樣子：
首先我們調用Python 的
hash
函數，計算
name
這個字符串在
當前運行時
的hash值：
>>> hash('name')
1278649844881305901
特別注意，我這里強調了『當前運行時』，這是因為，Python自帶的這個
hash
函數，和我們傳統上認為的Hash函數是不一樣的。Python自帶的這個
hash
函數計算出來的值，只能保證在每一個運行時的時候不變，但是當你關閉Python再重新打開，那么它的值就可能會改變，如下圖所示：
假設在某一個運行時里面，
hash('name')
的值為
1278649844881305901
。現在我們要把這個數對8取余數：
>>> 1278649844881305901 % 8
5
余數為5，那么就把它放在剛剛初始化的二維數組中，下標為5的這一行。由于
name
和
kingname
是兩個字符串，所以底層C語言會使用兩個字符串變量存放這兩個值，然后得到他們對應的指針。于是，我們這個二維數組下標為5的這一行，第一個值為
name
的hash值，第二個值為
name
這個字符串所在的內存的地址（指針就是內存地址），第三個值為
kingname
這個字符串所在的內存的地址。
現在，我們再來插入兩個鍵值對：
my_dict['age'] = 26
my_dict['salary'] = 999999
'''
此時的內存示意圖
[[-4234469173262486640, 指向salary的指針, 指向999999的指針],
[1545085610920597121, 執行age的指針, 指向26的指針],
[---, ---, ---],
[---, ---, ---],
[---, ---, ---],
[1278649844881305901, 指向name的指針, 指向kingname的指針],
[---, ---, ---],
[---, ---, ---]]
'''
那么字典怎么讀取數據呢？首先假設我們要讀取
age
對應的值。
此時，Python先計算在當前運行時下面，
age
對應的Hash值是多少：
>>> hash('age')
1545085610920597121
現在這個hash值對8取余數：
>>> 1545085610920597121 % 8
1
余數為1，那么二維數組里面，下標為1的這一行就是需要的鍵值對。直接返回這一行第三個指針對應的內存中的值，就是
age
對應的值
26
。
當你要循環遍歷字典的Key的時候，Python底層會遍歷這個二維數組，如果當前行有數據，那么就返回Key指針對應的內存里面的值。如果當前行沒有數據，那么就跳過。所以總是會遍歷整個二位數組的每一行。
每一行有三列，每一列占用8byte的內存空間，所以每一行會占用24byte的內存空間。
由于Hash值取余數以后，余數可大可小，所以字典的Key并不是按照插入的順序存放的。
注意，這里我省略了與本文沒有太大關系的兩個點：
開放尋址
在Python 3.6以后，字典的底層數據結構發生了變化，現在當你初始化一個空的字典以后，它在底層是這樣的：
my_dict = {}
'''
此時的內存示意圖
indices = [None, None, None, None, None, None, None, None]
entries = []
'''
當你初始化一個字典以后，Python單獨生成了一個長度為8的一維數組。然后又生成了一個空的二維數組。
現在，我們往字典里面添加一個鍵值對：
my_dict['name'] = 'kingname'
'''
此時的內存示意圖
indices = [None, 0, None, None, None, None, None, None]
entries = [[-5954193068542476671, 指向name的指針, 執行kingname的指針]]
'''
為什么內存會變成這個樣子呢？我們來一步一步地看：
在當前運行時，
name
這個字符串的hash值為
-5954193068542476671
，這個值對8取余數是1：
>>> hash('name')
-5954193068542476671
hash('name') % 8
1
所以，我們把
indices
這個一維數組里面，下標為1的位置修改為0。
這里的0是什么意思呢？0是二位數組
entries
的索引。現在
entries
里面只有一行，就是我們剛剛添加的這個鍵值對的三個數據：
name
的hash值、指向
name
的指針和指向
kinganme
的指針。所以
indices
里面填寫的數字0，就是剛剛我們插入的這個鍵值對的數據在二位數組里面的行索引。
好，現在我們再來插入兩條數據：
my_dict['address'] = 'xxx'
my_dict['salary'] = 999999
'''
此時的內存示意圖
indices = [1, 0, None, None, None, None, 2, None]
entries = [[-5954193068542476671, 指向name的指針, 執行kingname的指針],
[9043074951938101872, 指向address的指針，指向xxx的指針],
[7324055671294268046, 指向salary的指針, 指向999999的指針]
]
'''
現在如果我要讀取數據怎么辦呢？假如我要讀取
salary
的值，那么首先計算
salary
的hash值，以及這個值對8的余數：
>>> hash('salary')
7324055671294268046
hash('salary') % 8
6
那么我就去讀
indices
下標為6的這個值。這個值為2.
然后再去讀entries里面，下標為2的這一行的數據，也就是salary對應的數據了。
新的這種方式，當我要插入新的數據的時候，始終只是往
entries
的后面添加數據，這樣就能保證插入的順序。當我們要遍歷字典的Keys和Values的時候，直接遍歷
entries
即可，里面每一行都是有用的數據，不存在跳過的情況，減少了遍歷的個數。
最后在此推薦小編創建的Python學習交流群：835017344，這里是python學習者聚集地，有大牛答疑，有資源共享！有想學習python編程的，或是轉行，或是大學生，還有工作中想提升自己能力的，正在學習的小伙伴歡迎加入學習。
老的方式，當二維數組有8行的時候，即使有效數據只有3行，但它占用的內存空間還是 8 * 24 = 192 byte。但使用新的方式，如果只有三行有效數據，那么
entries
也就只有3行，占用的空間為3 * 24 =72 byte，而
indices
由于只是一個一維的數組，只占用8 byte，所以一共占用 80 byte。內存占用只有原來的41%。
更多文章、技術交流、商務合作、聯系博主
微信掃碼或搜索：z360901061
微信掃一掃加我為好友
QQ號聯系： 360901061
您的支持是博主寫作最大的動力，如果您喜歡我的文章，感覺我的文章對您有幫助，請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧，狠狠點擊下面給點支持吧，站長非常感激您！手機微信長按不能支付解決辦法：請將微信支付二維碼保存到相冊，切換到微信，然后點擊微信右上角掃一掃功能，選擇支付二維碼完成支付。
【本文對您有幫助就好】元
