为什么不应该将重复的对象添加到我的 Python 集中？

Question

我对此有 class 定义：

class Question:
    title = ""
    answer = ""
    def __init__(self, title, answer):
            self.title = title
            self.answer = answer
    def __eq__(self, other):
            return self.title == other.title and self.answer == other.answer
    def __hash__(self):
        return hash(repr(self))

并且我正在尝试将这些对象中的许多对象添加到一个集合中，前提是该对象不具有与集合中已有的任何其他对象相同的属性：

        questionset = set()
        q = Question(questionparts[0] + questionparts[1], questionparts[2])
        if q not in questionset:
            questionset.add(q)

如果我有两个问题，每个问题都具有相同的属性值，我希望只有一个被添加到我的集合中，而我的集合的长度为 2。

我做错了什么？如果我记录每个问题对象，我可以确认这些项目具有相同的属性值。

Answer 1

您的哈希函数严重无效。 Python 要求您的 __hash__ 函数应该 return 为两个被认为相等的对象提供相同的值，但您的函数却没有。来自 object.__hash__ documentation:

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

repr(self) returns 默认表示，它使用 object id。它基本上 return 一个基于 对象身份 的不同散列。你也可以这样做：

return hash(id(self))

这不是一个好的散列，因为所有实例之间的值都不同。因此，您的 hash() 值不符合要求属性:

>>> a = Question('foo', 'bar')
>>> b = Question('foo', 'bar')
>>> a == b
True
>>> hash(a) == hash(b)
False

您需要对属性进行哈希处理：

return hash(self.title + self.answer)

现在哈希基于告知相等性的相同值。

Answer 2

__hash__ 的 documentation 说：

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

您的 class 不符合此要求。由于您没有覆盖 __repr__，repr(self) 将使用默认行为，这会给您类似 <Question object at 0x00001234> 的结果。这意味着每个 Question 个实例将具有不同的哈希值 --- 即使是比较相等的实例。

您需要重写 __hash__ 以与 __eq__ 兼容。如果您比较 title/answer 相等性，最简单的解决方案是也散列 object 的标题和答案，例如返回 hash((self.title, self.answer)).

Answer 3

您正在散列对象而不是值。尝试散列 self.title+self.answer 而不是散列 self

Answer 4

正如 Martijn Pieters 和 BrenBarn 所提到的，由于默认 __repr__() 方法的行为，您的 __hash__() 方法不起作用。他们的回答显示了 __hash__() 的替代实现；下面的代码反而实现了一个简单但有用的 __repr__()。

我没有声称我的方法比 Martijn 或 BrenBarn 的方法更好。我只是想证明，一旦您的 class 有合适的 __repr__() 方法，您原来的 __hash__() 方法就会起作用。

FWIW，为您的 classes 实现一个 __repr__() 方法通常是个好主意。即使您在最终生产代码中实际上不需要该方法，它也有助于在开发代码时进行测试。

我在 Python 2.6.6 上运行，因此 from __future__ import 和 object 的显式继承；您不需要在 Python 3 中执行这些操作，但代码仍应按原样在 Python 3 上正常运行。

#!/usr/bin/env python

from __future__ import print_function

class Question(object):
    def __init__(self, title, answer):
        self.title = title
        self.answer = answer

    def __repr__(self):
        return 'Q({s.title!r}, {s.answer!r})'.format(s=self)

    def __eq__(self, other):
        return self.title == other.title and self.answer == other.answer

    def __hash__(self):
        return hash(repr(self))

questionset = set()

q1 = Question('2+2', '4')
q2 = Question('2+2', '4')
q3 = Question('2*2', '4')

print(q1, q2, q3)
print(q1 == q2, q1 == q3)

questionset.update((q1, q2, q3))
print(questionset)

questionset.add(Question('1+3', '4'))
questionset.add(Question('2+3', '5'))
questionset.add(Question('2*3', '6'))
questionset.add(Question('1+3', '4'))
print(questionset)

输出

Q('2+2', '4') Q('2+2', '4') Q('2*2', '4')
True False
set([Q('2+2', '4'), Q('2*2', '4')])
set([Q('2+3', '5'), Q('2+2', '4'), Q('1+3', '4'), Q('2*3', '6'), Q('2*2', '4')])

请注意，无需测试 Question 实例是否已经是 questionset 的成员。集合元素是唯一的，所以不可能多次添加相同的元素。

为什么不应该将重复的对象添加到我的 Python 集中？

Why is a duplicate object being added to my Python set when it shouldn't be?

python

set