原标题：Python 3.6 之后的字典有序，效率更高了！

在Python 3.5（含）以前，字典是不能保证顺序的，键值对A先插入字典，键值对B后插入字典，但是当你打印字典的Keys列表时，你会发现B可能在A的前面。

但是从Python 3.6开始，字典是变成有顺序的了。你先插入键值对A，后插入键值对B，那么当你打印Keys列表的时候，你就会发现B在A的后面。

不仅如此，从Python 3.6开始，下面的三种遍历操作，效率要高于Python 3.5之前：

1. for key in 字典
3. for value in 字典.values
5. for key, value in 字典.items

从Python 3.6开始，字典占用内存空间的大小，视字典里面键值对的个数，只有原来的30%~95%。

Python 3.6到底对字典做了什么优化呢？为了说明这个问题，我们需要先来说一说，在Python 3.5（含）之前，字典的底层原理。

当我们初始化一个空字典的时候，CPython的底层会初始化一个二维数组，这个数组有8行，3列，如下面的示意图所示：

1. my_dict = {}
3. '''
4. 此时的内存示意图
5. [[---, ---, ---],
6. [---, ---, ---],
7. [---, ---, ---],
8. [---, ---, ---],
9. [---, ---, ---],
10. [---, ---, ---],
11. [---, ---, ---],
12. [---, ---, ---]]
13. '''

现在，我们往字典里面添加一个数据：

1. my_dict['name'] = 'kingname'
3. '''
4. 此时的内存示意图
5. [[---, ---, ---],
6. [---, ---, ---],
7. [---, ---, ---],
8. [---, ---, ---],
9. [---, ---, ---],
11. [---, ---, ---],
12. [---, ---, ---]]
13. '''

这里解释一下，为什么添加了一个键值对以后，内存变成了这个样子：

首先我们调用Python 的 hash函数，计算 name这个字符串在 当前运行时的hash值：

1. >>> hash('name')

特别注意，我这里强调了『当前运行时』，这是因为，Python自带的这个 hash函数，和我们传统上认为的Hash函数是不一样的。Python自带的这个 hash函数计算出来的值，只能保证在每一个运行时的时候不变，但是当你关闭Python再重新打开，那么它的值就可能会改变，如下图所示：

2. 5

余数为5，那么就把它放在刚刚初始化的二维数组中，下标为5的这一行。由于 name和 kingname是两个字符串，所以底层C语言会使用两个字符串变量存放这两个值，然后得到他们对应的指针。于是，我们这个二维数组下标为5的这一行，第一个值为 name的hash值，第二个值为 name这个字符串所在的内存的地址（指针就是内存地址），第三个值为 kingname这个字符串所在的内存的地址。

现在，我们再来插入两个键值对：

1. my_dict['age'] = 26
4. '''
5. 此时的内存示意图
8. [---, ---, ---],
9. [---, ---, ---],
10. [---, ---, ---],
12. [---, ---, ---],
13. [---, ---, ---]]
14. '''

那么字典怎么读取数据呢？首先假设我们要读取 age对应的值。

此时，Python先计算在当前运行时下面， age对应的Hash值是多少：

1. >>> hash('age')

现在这个hash值对8取余数：

2. 1

余数为1，那么二维数组里面，下标为1的这一行就是需要的键值对。直接返回这一行第三个指针对应的内存中的值，就是 age对应的值 26。

当你要循环遍历字典的Key的时候，Python底层会遍历这个二维数组，如果当前行有数据，那么就返回Key指针对应的内存里面的值。如果当前行没有数据，那么就跳过。所以总是会遍历整个二位数组的每一行。

每一行有三列，每一列占用8byte的内存空间，所以每一行会占用24byte的内存空间。

由于Hash值取余数以后，余数可大可小，所以字典的Key并不是按照插入的顺序存放的。

注意，这里我省略了与本文没有太大关系的两个点：

1. 开放寻址，当两个不同的Key，经过Hash以后，再对8取余数，可能余数会相同。此时Python为了不覆盖之前已有的值，就会使用 开放寻址 技术重新寻找一个新的位置存放这个新的键值对。
2. 当字典的键值对数量超过当前数组长度的2/3时，数组会进行扩容，8行变成16行，16行变成32行。长度变了以后，原来的余数位置也会发生变化，此时就需要移动原来位置的数据，导致插入效率变低。

在Python 3.6以后，字典的底层数据结构发生了变化，现在当你初始化一个空的字典以后，它在底层是这样的：

1. my_dict = {}
3. '''
4. 此时的内存示意图
5. indices = [None, None, None, None, None, None, None, None]
7. entries = []
8. '''

当你初始化一个字典以后，Python单独生成了一个长度为8的一维数组。然后又生成了一个空的二维数组。

现在，我们往字典里面添加一个键值对：

1. my_dict['name'] = 'kingname'
3. '''
4. 此时的内存示意图
5. indices = [None, 0, None, None, None, None, None, None]
8. '''

为什么内存会变成这个样子呢？我们来一步一步地看：

1. >>> hash('name')
3. >>> hash('name') % 8
4. 1

所以，我们把 indices这个一维数组里面，下标为1的位置修改为0。

这里的0是什么意思呢？0是二位数组 entries的索引。现在 entries里面只有一行，就是我们刚刚添加的这个键值对的三个数据：name的hash值、指向 name的指针和指向 kinganme的指针。所以 indices里面填写的数字0，就是刚刚我们插入的这个键值对的数据在二位数组里面的行索引。

好，现在我们再来插入两条数据：

1. my_dict['address'] = 'xxx'
4. '''
5. 此时的内存示意图
6. indices = [1, 0, None, None, None, None, 2, None]
11. ]
12. '''

现在如果我要读取数据怎么办呢？假如我要读取 salary的值，那么首先计算 salary的hash值，以及这个值对8的余数：

1. >>> hash('salary')
3. >>> hash('salary') % 8
4. 6

那么我就去读 indices下标为6的这个值。这个值为2.

然后再去读entries里面，下标为2的这一行的数据，也就是salary对应的数据了。

新的这种方式，当我要插入新的数据的时候，始终只是往 entries的后面添加数据，这样就能保证插入的顺序。当我们要遍历字典的Keys和Values的时候，直接遍历 entries即可，里面每一行都是有用的数据，不存在跳过的情况，减少了遍历的个数。

老的方式，当二维数组有8行的时候，即使有效数据只有3行，但它占用的内存空间还是 8 * 24 = 192 byte。但使用新的方式，如果只有三行有效数据，那么 entries也就只有3行，占用的空间为3 * 24 =72 byte，而 indices由于只是一个一维的数组，只占用8 byte，所以一共占用 80 byte。内存占用只有原来的41%。

责任编辑：