python - 为什么这些 dtypes 比较相等但散列不同？

Question

In [30]: import numpy as np

In [31]: d = np.dtype(np.float64)

In [32]: d
Out[32]: dtype('float64')

In [33]: d == np.float64
Out[33]: True

In [34]: hash(np.float64)
Out[34]: -9223372036575774449

In [35]: hash(d)
Out[35]: 880835502155208439

为什么这些 dtypes 比较相等但散列不同？

请注意，Python 确实 promise :

The only required property is that objects which compare equal have the same hash value…

我解决此问题的方法是调用 np.dtype在所有内容上，之后哈希值和比较都是一致的。

Answer 1

正如 tttthomasssss 所指出的，type 和 np.float64 的 d(类)是不同的。它们是不同种类的东西:

In [435]: type(np.float64)
Out[435]: type

类型 type 意味着(通常)它是一个函数，因此它可以用作:

In [436]: np.float64(0)
Out[436]: 0.0

In [437]: type(_)
Out[437]: numpy.float64

创建一个数字对象。实际上，这看起来更像是一个类定义。但是由于 numpy 使用了大量的编译代码，并且它的 ndarray 使用它自己的 __new__ ，所以如果它跨越这条线，我不会感到惊讶。

In [438]: np.float64.__hash__??
Type:       wrapper_descriptor
String Form:<slot wrapper '__hash__' of 'float' objects>
Docstring:  x.__hash__() <==> hash(x)

我在想这将是 hash(np.float64) ，但它实际上可能是该类型对象的哈希，例如 hash(np.float64(0)) 。在这种情况下， hash(np.float64) 只使用默认的 type.__hash__ 方法。

继续 dtype :

In [439]: d=np.dtype(np.float64)

In [440]: type(d)
Out[440]: numpy.dtype

d 不是函数或类:

In [441]: d(0)
...
TypeError: 'numpy.dtype' object is not callable

In [442]: d.__hash__??
Type:       method-wrapper
String Form:<method-wrapper '__hash__' of numpy.dtype object at 0xb60f8a60>
Docstring:  x.__hash__() <==> hash(x)

看起来 np.dtype 没有定义任何特殊的 __hash__ 方法，它只是继承自 object 。

进一步说明 float64 和 d 的区别，看类继承栈

In [443]: np.float64.__mro__
Out[443]: 
(numpy.float64,
 numpy.floating,
 numpy.inexact,
 numpy.number,
 numpy.generic,
 float,
 object)

In [444]: d.__mro__
...
AttributeError: 'numpy.dtype' object has no attribute '__mro__'

In [445]: np.dtype.__mro__
Out[445]: (numpy.dtype, object)

所以 np.float64 也没有定义散列，它只是继承自 float 。 d 没有 __mro__ 因为它是一个对象，而不是一个类。
numpy 有足够多的编译代码，以及它自己的悠久历史，你不能指望 Python 文档总是适用。
np.dtype 和 np.float64 显然有 __eq__ 方法可以让它们相互比较，但是 numpy 开发人员并没有付出任何努力来确保 __hash__ 方法符合。很可能是因为他们不需要将任何一个用作字典键。

我从未见过这样的代码:

In [453]: dd={np.float64:12,d:34}

In [454]: dd
Out[454]: {dtype('float64'): 34, numpy.float64: 12}

In [455]: dd[np.float64]
Out[455]: 12

In [456]: dd[d]
Out[456]: 34