哈希是一个固定大小的整数，用于标识特定值。每个值都需要有自己的哈希，因此对于相同的值，即使不是同一对象，您也将获得相同的哈希。

>>> hash("Look at me!")
4343814758193556824
>>> f = "Look at me!"
>>> hash(f)
4343814758193556824

散列值的创建方式应使结果值均匀分布，以减少所得到的散列冲突次数。哈希冲突是指两个不同的值具有相同的哈希。因此，相对较小的变化通常会导致完全不同的哈希值。

>>> hash("Look at me!!")
6941904779894686356

这些数字非常有用，因为它们可以在大量值中快速查找值。使用的两个示例是Pythonset和dict。在中list，如果要检查列表中是否有值，请使用if x in values:Python，需要遍历整个列表并x与列表中的每个值进行比较values。这可能需要很长时间list。在其中set，Python会跟踪每个哈希，当您键入时if x in values:，Python会获取其哈希值x，在内部结构中查找该哈希值，然后仅x与与哈希相同的值进行比较x。

字典查找使用相同的方法。这使得查找中set和dict速度非常快，而在查找list缓慢。这也意味着您可以在中使用不可哈希对象list，但不能在中将其set作为键或将其作为键dict。不可哈希对象的典型示例是任何可变对象，这意味着您可以更改其值。如果您有一个可变的对象，则它不应是可哈希的，因为它的哈希值将在其生命周期内发生变化，这会引起很多混乱，因为对象最终可能会在字典中的错误哈希值之下。

请注意，对于一次Python运行，值的哈希值仅需相同。实际上，在Python 3.3中，它们会随着每次新的Python运行而改变：

$ /opt/python33/bin/python3
Python 3.3.2 (default, Jun 17 2013, 17:49:21) 
[GCC 4.6.3] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> hash("foo")
1849024199686380661
>>> 
$ /opt/python33/bin/python3
Python 3.3.2 (default, Jun 17 2013, 17:49:21) 
[GCC 4.6.3] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> hash("foo")
-7416743951976404299

这使得很难猜测某个字符串将具有什么哈希值，这是Web应用程序等的重要安全功能。

因此，哈希值不应永久存储。如果您需要永久使用哈希值，则可以查看更“严重”的哈希类型，即加密哈希函数，可用于生成文件的可验证校验和等。