Python字典基于哈希表实现，依赖键的不可变性保障哈希值稳定，通过开放寻址法处理冲突，装载因子超2/3时自动扩容；内存与性能优化需关注初始化方式、键存在性判断及遍历方法。
Python字典的核心原理，不在于“怎么用”，而在于“为什么这样设计”——理解哈希表机制、键的不可变性、内存布局和冲突处理，才能写出高效、安全、可维护的代码。
哈希表机制：字典快的根本原因
字典底层是动态哈希表（hash table），插入、查找、删除平均时间复杂度为 O(1)。Python 会为每个键计算哈希值（hash(key)），再通过取模映射到内部数组的某个索引位置。
- 只有不可变类型（如 str、int、tuple）能做键，因为它们的哈希值稳定；list、dict、set 不可哈希，会报 TypeError: unhashable type
- 哈希冲突不可避免：不同键可能算出相同哈希值 → Python 用“开放寻址法”（probing）解决，线性探测找下一个空槽
- 当装载因子（已用槽数 / 总槽数）超过阈值（约 2/3），字典自动扩容（通常是翻倍），触发全量 rehash —— 这是潜在性能抖动点
键的不可变性：不是限制，而是契约
字典依赖键的哈希值在整个生命周期内不变。若允许可变对象作键，中途修改内容会导致哈希变化，后续再也无法定位原值，字典逻辑将崩溃。
- 错误示例：d = {}; key = [1, 2]; d[key] = 'fail' → TypeError
- 正确替代：想用“一组数”作键？用 tuple([1, 2])；想用自定义类实例作键？需正确定义 __hash__ 和 __eq__
- 注意：tuple 可作键，但仅当其所有元素都可哈希 —— (1, [2, 3]) 仍非法
内存与性能实战：避开常见陷阱
字典看似轻量，但实际内存开销不小（预留空间 + 元数据）。高频操作中，几个细节直接影响效率：
立即学习“Python免费学习笔记（深入）”；
- 批量初始化优先用字面量或 dict() 构造器，避免循环中反复 d[k] = v（减少扩容次数）
- 判断键是否存在，用 key in d，别用 d.get(key) is not None（后者可能误判值为 None 的合法项）
- 遍历推荐 for k in d: 或 for k, v in d.items():；避免 for k in d.keys():（多建一个视图对象）
- 大量删除时，不要边遍历边 del d[k]；应先收集待删键，再统一删除，或改用字典推导式重建
典型实战案例：从需求到健壮实现
场景：统计日志中各 IP 的访问频次，并找出 TOP 5 高频 IP。
- 基础版：counter = {}; for ip in ips: counter[ip] = counter.get(ip, 0) + 1
- 优化版：from collections import defaultdict; counter = defaultdict(int); for ip in ips: counter[ip] += 1
- 生产版：from collections import Counter; counter = Counter(ips); top5 = counter.most_common(5)
- 进阶提醒：若 IP 来源不可信（如用户输入），需校验格式或归一化（如 IPv4 压缩、IPv6 标准化），否则 '127.0.0.1' 和 '127.0.0.01' 会被视为不同键
