Python:使用集合检测重复项

Question

我有大量对象需要存储在内存中以便在 Python 中进行处理。具体来说，我正在尝试从大量对象中删除重复项。如果对象中的某个实例变量相等，我想考虑两个对象“相等”。所以，我假设最简单的方法是将我所有的对象插入一个集合中，并重写 __hash__ 方法，以便它散列我关心的实例变量。

因此，作为测试，我尝试了以下操作:

class Person:
    def __init__(self, n, a):
        self.name = n
        self.age = a

    def __hash__(self):
        return hash(self.name)

    def __str__(self):
        return "{0}:{1}".format(self.name, self.age)

myset = set()
myset.add(Person("foo", 10))
myset.add(Person("bar", 20))
myset.add(Person("baz", 30))
myset.add(Person("foo", 1000)) # try adding a duplicate

for p in myset: print(p)

在这里，我定义了一个 Person 类，任何两个具有相同 name 变量的 Person 实例都是相等的，无论任何其他实例变量的值。不幸的是，这个输出:

baz:30
foo:10
bar:20
foo:1000

注意 foo 出现了两次，所以这个程序没有注意到重复项。然而表达式 hash(Person("foo", 10)) == hash(Person("foo", 1000)) 是 True。那么，为什么这不能正确检测到重复的 Person 对象呢？

Answer 1

你还忘了 define __eq__() .

If a class does not define a __cmp__() or __eq__() method it should not define a __hash__() operation either; if it defines __cmp__() or __eq__() but not __hash__(), its instances will not be usable in hashed collections. If a class defines mutable objects and implements a __cmp__() or __eq__() method, it should not implement __hash__(), since hashable collection implementations require that a object’s hash value is immutable (if the object’s hash value changes, it will be in the wrong hash bucket).