Матрица в качестве словарного ключа

Question

Я только начал использовать numpy и его модуль matrix (очень и очень полезно!), И я хотел использовать матричный объект в качестве ключа словаря, поэтому я проверил, есть ли у matrix __hash__ реализованный метод:

>>> from numpy import matrix
>>> hasattr(matrix, '__hash__')
True

И это так!Хорошо, значит, это может быть ключом словаря:

>>> 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],
        [0, 1, 0],
        [0, 0, 1]])
>>> matrix_dict = {m1: 'first', m2: 'second'}

Сработало!Теперь давайте продолжим тестирование:

>>> 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, 2, 3],
                  [4, 5, 6],
                  [7, 8, 9]])

Что?Итак, он работает для той же матрицы, но не работает для другой матрицы с точно таким же содержимым?Давайте посмотрим, что возвращает __hash__:

>>> 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

Итак, метод __hash__ matrix из numpy возвращает разные значения для одного и того же matrix.

Isэто право?Значит ли это, что его нельзя использовать в качестве ключа словаря?И если он не может быть использован, почему он __hash__ реализован?

Answer 1

Было бы неправильно использовать изменяемый объект в качестве ключа словаря, потому что его хэш должен измениться, как только вы измените данные, но значение, используемое при вставке, будет сохранено.

В моих тестах numpy на Python 3.2.2 вызывает ошибку типа:

TypeError: unhashable type: 'matrix'

Но в Python 2.7 он по-прежнему допускает хэширование, но значение хэша никогда не меняется при изменении данных, поэтому оно довольно бесполезно в качестве ключа словаря, поскольку добавление в словарь многих объектов matrix, имеющих одинаковый хэш, приведет к ухудшению хэш-таблицы поэтому вставка будет O(n^2) вместо O(1).

Возможно, они не удалили значение хеша, чтобы избежать взлома некоторого API на Python 2.x, но не полагайтесь на него!