概述
>>> from numpy import matrix >>> hasattr(matrix,'__hash__') True
它确实如此!很好,所以这意味着它可以是字典的关键:
>>> m1 = matrix('1 2 3; 4 5 6; 7 8 9') >>> m1 matrix([[1,2,3],[4,5,6],[7,8,9]]) >>> m2 = matrix('1 0 0; 0 1 0; 0 0 1') >>> m2 matrix([[1,0],[0,1,1]]) >>> matrix_dict = {m1: 'first',m2: 'second'}
成功了!现在,让我们继续测试:
>>> matrix_dict[m1] 'first' >>> matrix_dict[matrix('1 2 3; 4 5 6; 7 8 9')] Traceback (most recent call last): File "<stdin>",line 1,in <module> KeyError: matrix([[1,9]])
什么?因此,它适用于相同的矩阵,但它不适用于具有完全相同内容的另一个矩阵?让我们看看__hash__返回的内容:
>>> hash(m1) 2777620 >>> same_as_m = matrix('1 2 3; 4 5 6; 7 8 9') >>> hash(same_as_m) -9223372036851998151 >>> hash(matrix('1 2 3; 4 5 6; 7 8 9')) # same as m too 2777665
因此,来自numpy的矩阵的__hash__方法返回相同矩阵的不同值.
这是正确的吗?那么,这是否意味着它不能用作字典键?如果它不能使用,为什么它有__hash__实现?
在我的测试中,Python 3.2.2中的numpy引发了一个TypeError:
TypeError: unhashable type: 'matrix'
但是在Python 2.7上它仍然允许散列,但是当你更改数据时哈希值永远不会改变,所以它作为字典键是没有用的,因为添加到具有相同散列的字典的许多矩阵对象会降低散列表,因此插入将是O (n ^ 2)而不是O(1).
也许他们没有删除哈希值以避免在Python 2.x上破坏某些API,但不依赖它!
总结
以上是编程之家为你收集整理的python – 矩阵作为字典键全部内容,希望文章能够帮你解决python – 矩阵作为字典键所遇到的程序开发问题。
如果您也喜欢它,动动您的小指点个赞吧