Python集合内部负载因子探究：是否为2/3？代码是否有误？

你的测试代码没有问题，集合的负载因子并非和字典一样是2/3，CPython中集合的负载因子为7/8（0.875），扩容逻辑和字典存在明确差异。

核心差异说明 #

• 字典的扩容阈值是桶数的2/3，当元素数量接近这个值时触发扩容，目的是平衡哈希冲突与内存占用。
• 集合的扩容阈值是桶数的7/8，允许更高的填充率——因为集合仅存储键（无对应值），哈希冲突的影响相对更小，因此可以用更高的负载因子节省内存。

你的测试数据解析 #

从你提供的测试数据来看：

• 集合在第5个元素时内存从216跃升至728，这并非是因为达到了7/8的负载因子，而是因为集合的初始内部缓冲区（用于存储元素和哈希值）在元素数量较小时就会提前扩容。CPython的集合实现会在元素数量增长时，同时扩容哈希表和元素存储数组，这两个操作的内存变化会被sys.getsizeof一并统计，导致内存跳跃点看起来和负载因子计算的阈值不符。
• 后续在第19个元素时再次扩容，同样是因为内部缓冲区的扩容逻辑，而非单纯的负载因子触发。

验证负载因子的正确方式 #

如果想直接验证集合的负载因子，可以查看CPython的源码（setobject.c和setobject.h），其中明确定义了：

#define _PySet_MAXFILL 7 /* 7/8 full at maximum */

这意味着当集合中活跃元素的数量超过桶数的7/8时，才会触发哈希表的扩容。

内容的提问来源于stack exchange，提问作者user2422552