Python集合中哈希值相同的对象为何没有被去重？

>>> class A():
...     def __init__(self):
...             self.x = "the set should have one element"
...     def __hash__(self):
...             return hash(self.x)
... 
>>> ob1 = A()
>>> ob2 = A()
>>> hash(ob1) == hash(ob2)
True
>>> {ob1, ob2}
{<__main__.A object at 0x7f6e2b39b5e0>, <__main__.A object at 0x7f6e2b3a8fd0>}

核心原因 #

Python 集合判断元素重复的逻辑有两个必须同时满足的条件，缺一个都不会触发去重：

• 两个元素的哈希值相等，即hash(a) == hash(b)返回True
• 两个对象判断为相等，即a == b返回True

你只重写了__hash__方法，没有重写__eq__方法。自定义类如果没有手动实现__eq__，默认会比较两个对象的内存地址，ob1和ob2是两个独立的实例，内存地址完全不同，所以ob1 == ob2会返回False，哪怕哈希值一致，集合也会认为它们是两个不同的元素，不会去重。

修复验证 #

只要给类A补充符合预期的__eq__方法，就能实现你要的去重效果：

>>> class A():
...     def __init__(self):
...             self.x = "the set should have one element"
...     def __hash__(self):
...             return hash(self.x)
...     # 补充__eq__方法，按x属性判断两个实例是否相等
...     def __eq__(self, other):
...         if not isinstance(other, A):
...             return False
...         return self.x == other.x
... 
>>> ob1 = A()
>>> ob2 = A()
>>> hash(ob1) == hash(ob2)
True
>>> {ob1, ob2}
{<__main__.A object at 0x7f6e2b39b5e0>}

注意事项 #

Python 哈希协议明确要求：如果自定义类重写了__hash__方法，就必须同时重写__eq__方法，否则就会出现这类不符合预期的行为。另外只有不可变的自定义类型才适合实现__hash__，如果类的实例属性可以修改，不要重写__hash__，避免实例存入集合/字典后因为属性变化、哈希值变化，出现无法正常读取、删除元素的问题。

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