python字典扩容触发条件是装载因子≥0.5（used*2>=size），按质数序列增长容量，不主动缩容；频繁增删会导致伪空槽堆积、性能下降；可通过预估大小、避免热循环增删、定期重建等方式优化。
Python 字典（dict）底层使用开放寻址法的哈希表实现，其扩容机制直接影响插入、查找、删除等操作的平均时间复杂度。理解扩容触发条件、过程及副作用，是写出高性能字典相关代码的关键。
扩容何时发生？看装载因子而非元素数量
字典不会在每次插入时都扩容，而是根据“装载因子”（used / size）动态判断。其中 used 是已插入且未被删除的键值对数量，size 是哈希表当前总槽数（包括空槽和被标记为“已删除”的伪空槽）。当 used * 2 >= size（即装载因子 ≥ 0.5）时，就会触发扩容。
注意：即使你删掉大量元素，只要 used 没降到阈值以下，也不会缩容；Python 3.6+ 的字典不主动缩容，只在显式调用 clear() 或重新赋值时重置结构。
扩容不是简单翻倍，而是按预设序列增长
字典容量不会线性翻倍（如 8→16→32），而是按 CPython 内部的一组质数序列增长：
8 → 16 → 32 → 64 → 128 → 256 → 512 → 1024 → 2048 → 4096 → …
立即学习“Python免费学习笔记（深入）”；
Delphi 7应用编程150例 CHM全书内容下载，全书主要通过150个实例，全面、深入地介绍了用Delphi 7开发应用程序的常用方法和技巧，主要讲解了用Delphi 7进行界面效果处理、图像处理、图形与多媒体开发、系统功能控制、文件处理、网络与数据库开发，以及组件应用等内容。这些实例简单实用、典型性强、功能突出，很多实例使用的技术稍加扩展可以解决同类问题。使用本书最好的方法是通过学习掌握实例中的技术或技巧，然后使用这些技术尝试实现更复杂的功能并应用到更多方面。本书主要针对具有一定Delphi基础知识
这个序列经过优化，能减少哈希冲突，提升探测效率。扩容时会分配新表，遍历旧表中所有 非空且非已删除 的键值对，重新计算哈希并插入新表——这是一次 O(n) 的全量迁移。
频繁插入/删除引发的性能陷阱
以下情况容易意外触发多次扩容，带来明显开销：
-
逐个插入大量数据：例如循环 10 万次
d[k] = v，可能触发 10+ 次扩容，实际执行远超 10 万次哈希与拷贝 -
先批量插入再批量删除再插入：删除只标记“已删除”，不降低
used，后续插入仍可能因used高而扩容，但新表中存留大量“伪空槽”，空间浪费且探测变慢 -
用 dict 做临时缓存但长期不清理：随着增删，内部碎片增加，查找平均步数上升，
in、get()等操作逐渐变慢
如何规避扩容带来的性能波动？
有几种实用策略可显著改善：
-
预估大小，初始化时指定容量：虽然 Python 不支持直接传入初始大小，但可通过批量构造绕过——
dict.fromkeys(keys, default)或{k: v for k, v in iterable}在已知键集合时更高效 -
避免在热循环中反复增删同一字典：高频场景考虑用
collections.defaultdict或预分配列表+索引映射替代 -
定期重建字典释放碎片：若业务允许，可周期性执行
d = dict(d)或d = {**d}（后者在 3.5+ 更快），强制重哈希并清除“已删除”标记 -
监控实际负载：通过
sys.getsizeof(d)查内存占用，结合len(d)估算装载率，辅助判断是否需干预
字典扩容本身设计精巧，但在极端使用模式下会暴露代价。掌握它不是为了手动管理内存，而是避开反模式，让哈希表始终运行在最佳状态。
