Python内置dict是当前最优哈希表实现，底层采用开放寻址法，平均时间复杂度O(1)，性能、稳定性与缓存友好性远超手动实现；自定义类作键时需正确实现__hash__和__eq__，确保不可变性与一致性。
Python内置dict已经是最优哈希表，别自己重写
直接用 dict 或 collections.defaultdict 就是当前Python下性能最高、最稳定的哈希表实现。CPython的dict底层用开放寻址法（open addressing），经过几十年迭代优化，插入/查找平均时间复杂度O(1)，且内存布局紧凑、缓存友好。自己用列表+链表模拟哈希表，不仅慢3–10倍，还容易因扩容逻辑写错导致死循环或内存泄漏。
想自定义哈希行为？重载__hash__和__eq__就够了
当需要把自定义类实例作字典键时，冲突处理由Python自动完成——你只需保证：同一对象多次调用 __hash__ 返回值不变；相等对象（__eq__返回True）必须有相同哈希值。常见错误包括：
- 在
__hash__里引用可变属性（如列表、字典），导致哈希值随内容变化，键“消失” -
__eq__比较逻辑与__hash__不一致（比如__eq__比字段A+B，但__hash__只基于A） - 忘记把
__hash__设为None（当类实现了__eq__但不想支持哈希时）
示例正确写法：
class Point:
def __init__(self, x, y):
self.x = x
self.y = y
def __eq__(self, other):
return isinstance(other, Point) and self.x == other.x and self.y == other.y
def __hash__(self):
return hash((self.x, self.y)) # 元组不可变，安全
真要手写哈希表？优先选线性探测，避开链地址法
如果教学或特殊场景必须手写，开放寻址中的线性探测（linear probing）比链地址法（chaining）更贴近CPython实际策略，也更容易控制内存局部性。关键点：
- 负载因子（元素数/桶数）超过0.7就触发扩容，否则探测链过长，性能陡降
- 删除不能简单置空桶，需用
DELETED标记（否则后续查找会中断） - 哈希函数别用
hash(obj) % size——Python的hash()可能为负，应写成(hash(obj) & 0x7fffffff) % size - 扩容必须重建整个表，不能原地迁移
冲突多？先查是不是哈希函数太弱，不是桶不够
高频冲突通常不是哈希表实现问题，而是键的哈希分布差。比如用字符串前缀做哈希、或大量相似数字（如id连续的对象）直接取模。验证方法：
立即学习“Python免费学习笔记（深入）”；
- 统计各桶长度：
[len(bucket) for bucket in my_hash_table.buckets]，看是否严重偏斜 - 换哈希算法：CPython的
hash()对字符串/数字已很强，但自定义类若手动计算哈希，避免用sum(ord(c) for c in s)这类易碰撞方式 - 确认没误用可变对象作键（如列表、字典），它们默认哈希基于id，但语义相等时id不同，导致本该合并的键被散列到不同桶
真正难处理的，是哈希函数与数据分布耦合导致的系统性偏斜——这时候调参（改初始桶数、探测步长）不如换建模方式。
