在python3里面，我们经常会用if k in d.keys()来判断某个key是不是在某个dict里面，或者是用a_dict.keys() - b_dict.keys()来获取两个字典之间keys的差集。那么这里就有一个问题，dict的keys()返回了什么数据类型呢？
list？set？两者都是错误答案。Don’t say so much，打印一下type，发现是这么个数据类型：<class 'dict_keys'>
dict_keys是什么东西？在python dict数据结构定义中（dictobject.c），可以看到dict_keys的定义
// dictobject.cPyTypeObject PyDictKeys_Type = { PyVarObject_HEAD_INIT(&PyType_Type, 0) "dict_keys", /* tp_name */ sizeof(_PyDictViewObject), /* tp_basicsize */ 0, /* tp_itemsize */ /* methods */ (destructor)dictview_dealloc, /* tp_dealloc */ 0, /* tp_vectorcall_offset */ 0, /* tp_getattr */ 0, /* tp_setattr */ 0, /* tp_as_async */ (reprfunc)dictview_repr, /* tp_repr */ &dictviews_as_number, /* tp_as_number */ &dictkeys_as_sequence, /* tp_as_sequence */ 0, /* tp_as_mapping */ 0, /* tp_hash */ 0, /* tp_call */ 0, /* tp_str */ PyObject_GenericGetAttr, /* tp_getattro */ 0, /* tp_setattro */ 0, /* tp_as_buffer */ Py_TPFLAGS_DEFAULT | Py_TPFLAGS_HAVE_GC,/* tp_flags */ 0, /* tp_doc */ (traverseproc)dictview_traverse, /* tp_traverse */ 0, /* tp_clear */ dictview_richcompare, /* tp_richcompare */ 0, /* tp_weaklistoffset */ (getiterfunc)dictkeys_iter, /* tp_iter */ 0, /* tp_iternext */ dictkeys_methods, /* tp_methods */ 0,};dict_keys数据结构的size，是以_PyDictViewObject为准的。_PyDictViewObject从语义上看是dict的一个视图，从逻辑上看只包含了一个对应dict的指针
// dictobject.htypedef struct { PyObject_HEAD PyDictObject *dv_dict;} _PyDictViewObject;如何理解DictView的设计？其实这种相当于一个dict实例的代理（Agent/Proxy），用户（开发者）侧请求对应的操作（in、运算符等），代理侧来给出一个最有效率的方案。举一些例子：
in操作in涉及到for k in d.keys()跟has_key = (k in d.keys())两种形式，对应迭代遍历跟包含两种操作。
for k in d.keys()操作对应的是PyDictKeys_Type里的dictkeys_iter函数，返回了这个DictView视图对应的dict的key的iterator，类型为PyDictIterKey_Type。在迭代遍历时候，会一直调用PyDictIterKey_Type里定义的dictiter_iternextkey执行迭代过程中的next操作，从而一个个地获得dict里所有key。
has_key = (k in d.keys())对应的是包含操作，在PyDictKeys_Type里面，对应的是dictkeys_as_sequence的dictkeys_contains回调。在上一讲list可变、tuple不可变中已经提到，python里面实现对特定数据的多种操作，实际上会尝试将数据看成sequence、mapping等形式，执行对应数据形式中定义的回调函数，而这里便是将keys看作是sequence，执行sq_contains对应的回调，表示一个是否包含的判断。dictkeys_contains实质上调用的是dict自己的contains操作，也就是说k in d.keys()和k in d这两种写法，实质上是等价的
运算符操作dict_keys支持多种运算符操作。比如我们在对比作为counter的dict时（不是内置的Counter类），会用keys相减的方式来得到两次统计里新增/删除的key。相减的操作，比如a.keys() - b.keys()，会执行将keys看作为number时的dictviews_sub函数。在函数内部的实现里，会首先将a.keys()转化为一个set，然后调用set数据结构的difference_update函数，逐步remove掉右侧b.keys()里面的元素。
// dictobject.cstatic PyObject*dictviews_sub(PyObject *self, PyObject *other){ PyObject *result = dictviews_to_set(self); if (result == NULL) { return NULL; } _Py_IDENTIFIER(difference_update); PyObject *tmp = _PyObject_CallMethodIdOneArg( result, &PyId_difference_update, other); if (tmp == NULL) { Py_DECREF(result); return NULL; } Py_DECREF(tmp); return result;}值得注意的是，dictviews_sub内部指定了一个标识符PyId_difference_update，通过_PyObject_CallMethodIdOneArg函数去调用result实例里标识为PyId_difference_update的函数，入参为other。这样调用接口的方式，在python里称之为vectorcall，是3.9完全应用的cpython的特性，相对于以前的版本，显著优化了cpython内部不同数据结构间函数调用的效率。有兴趣的同学可以深入了解。
如果是类似=、>、<之类的操作，dict_keys也是支持的，我们可以在dictview_richcompare函数中看到这些比较符对应的计算方式：
// dictobject.cstatic PyObject *dictview_richcompare(PyObject *self, PyObject *other, int op){ Py_ssize_t len_self, len_other; int ok; PyObject *result; assert(self != NULL); assert(PyDictViewSet_Check(self)); assert(other != NULL); if (!PyAnySet_Check(other) && !PyDictViewSet_Check(other)) Py_RETURN_NOTIMPLEMENTED; len_self = PyObject_Size(self); if (len_self < 0) return NULL; len_other = PyObject_Size(other); if (len_other < 0) return NULL; ok = 0; switch(op) { case Py_NE: case Py_EQ: if (len_self == len_other) ok = all_contained_in(self, other); if (op == Py_NE && ok >= 0) ok = !ok; break; case Py_LT: if (len_self < len_other) ok = all_contained_in(self, other); break; case Py_LE: if (len_self <= len_other) ok = all_contained_in(self, other); break; case Py_GT: if (len_self > len_other) ok = all_contained_in(other, self); break; case Py_GE: if (len_self >= len_other) ok = all_contained_in(other, self); break; } if (ok < 0) return NULL; result = ok ? Py_True : Py_False; Py_INCREF(result); return result;}如果两个dict的keys相等，则这两组keys需要长度一样，并且包含相同的元素（类似于set相等）
如果是比大小，比如a.keys()要比b.keys()大的话，除了a.keys()长度比b.keys()大之外，还需要a.keys()包含b.keys()所有的元素才行。所以大小于号主要体现的是包含/被包含的关系。
在dict里，除了keys()之外，dict的values()、items()，返回的实际上也是DictView的视图结构，定义的方式也基本上相似，但也有少许区别。比如values()，由于没有指定tp_richcompare，所以无法将两组values进行大小或==的比较（都会返回false）
在python里有很多地方应用了视图的概念/手法。如果硬要套View这个单词的话，就还有这么一个地方应用到了，叫做memoryview。memoryview在业务代码中不常用，主要的作用是提供一块内存的“代理”，让调用方安全地对一个数据实例的内存进行信息读取及管理操作。比如我们对各种数据做pickle.dumps序列化后，通过memoryview，就能看到序列化后的数据在内存里的组成：
def memoryview_test(): s = '1234567890' mem_view = memoryview(pickle.dumps(s)) print(len(mem_view)) print([chr(item) for item in mem_view]) s = ['1234', '56', '7890'] mem_view = memoryview(pickle.dumps(s)) print(len(mem_view)) print([chr(item) for item in mem_view]) s = ['12345', '67890'] mem_view = memoryview(pickle.dumps(s)) print(len(mem_view)) print([chr(item) for item in mem_view]) """25[ 'x80', 'x04', 'x95', 'x0e', 'x00', 'x00', 'x00', 'x00', 'x00', 'x00', 'x00', 'x8c', 'n', '1', '2', '3', '4', '5', '6', '7', '8', '9', '0', 'x94', '.']20[ 'x80', 'x04', 'x95', 't', 'x00', 'x00', 'x00', 'x00', 'x00', 'x00', 'x00', 'x8c', 'x05', '5', '4', '3', '2', '1', 'x94', '.']35[ 'x80', 'x04', 'x95', 'x18', 'x00', 'x00', 'x00', 'x00', 'x00', 'x00', 'x00', ']', 'x94', '(', 'x8c', 'x04', '1', '2', '3', '4', 'x94', 'x8c', 'x02', '5', '6', 'x94', 'x8c', 'x04', '7', '8', '9', '0', 'x94', 'e', '.']32[ 'x80', 'x04', 'x95', 'x15', 'x00', 'x00', 'x00', 'x00', 'x00', 'x00', 'x00', ']', 'x94', '(', 'x8c', 'x05', '1', '2', '3', '4', '5', 'x94', 'x8c', 'x05', '6', '7', '8', '9', '0', 'x94', 'e', '.']"""