为何元组化numpy数组的两种哈希方法结果不一致？

核心差异原因 #

两种哈希方法的表现差异，本质在于哈希对象的不可变性与哈希稳定性：

• hash1（数组转元组哈希）
  把numpy数组转成元组时，元组内的元素是numpy的标量类型（比如numpy.float64）。如果数组包含nan，numpy标量的nan有个关键特性：每次调用hash()返回的值可能不同。这是因为numpy的nan标量没有遵循Python原生类型的哈希稳定性规则，导致基于这类元组计算的哈希值也跟着变化。
  哪怕没有nan，numpy数组转元组后，元组的哈希依赖每个元素的哈希，而numpy标量的哈希逻辑和Python原生标量存在差异，极端情况也可能出现不稳定，但nan是最常见的触发点。

• hash2（数组转bytes哈希）
  tobytes()方法会直接把numpy数组的底层二进制数据转换成Python的bytes对象。bytes是完全不可变的，且相同二进制内容的bytes对象哈希值固定不变——不管数组里是普通数值还是nan，只要数组内容完全相同，tobytes()的结果就一致，对应的哈希值自然每次都相同。

验证与建议 #

你可以单独测试这个特性：

import numpy as np

# 测试numpy nan标量的哈希稳定性
nan_scalar = np.float64(np.nan)
print(hash(nan_scalar))
print(hash(nan_scalar))  # 两次输出大概率不同

# 测试Python原生nan的哈希稳定性
py_nan = float('nan')
print(hash(py_nan))
print(hash(py_nan))  # 两次输出完全相同

如果要实现稳定哈希，推荐用tobytes()的方式；也可以把数组转成Python原生类型的元组（比如tuple(float(x) for x in arr)），依赖原生类型的稳定哈希，但效率会比tobytes()低一些。

内容的提问来源于stack exchange，提问作者Jon Nir