我正在寻找最好的64-bit（或至少32-bit）hash function为NumPy具有以下属性：
1.它针对numpy进行了向量化，这意味着它应该具有散列任何N-D numpy数组的所有元素的函数。
1.它可以应用于任何可散列的numpy的dtype。为此，这种散列能够处理原始字节块就足够了。
1.它非常非常快，就像xxhash一样。特别是对于很多小的输入，比如32，64位数字的大数组或短np.str_，它应该很快，但也应该处理其他数据类型。
1.它应该是collision-resistant。我可能只使用了一部分位，所以哈希中的任何数量的位都应该是抗冲突的。
1.它可能是（也可能不是）非排版的，这意味着如果它有时可以被反转，就像xxhash一样。
1.它应该产生64-bit整数或更大的输出，但如果它是32-bit，那么仍然是可以的，尽管不是最好的。如果可能的话，选择产生大小为32，64，128位的哈希值会更好。
1.它本身应该在内部将numpy数组转换为字节，以便快速散列，或者至少可能在numpy中已经有这样的转换函数，可以将任何流行的dtype的整个N-D数组转换为可变的字节序列，如果有人会告诉我这一点，那就好了。
我会使用上面链接中提到的xxhash，如果它有numpy数组向量化。但现在它只是单对象，它的绑定函数每次调用只接受一个字节块，产生一个整数输出。而xxhash在小（4，8字节）输入，所以可能在大型数组上执行纯Python循环来为每个数字调用xxhash将非常低效。
我需要它做不同的事情，一个是概率存在过滤器（或集合），即我需要设计这样的结构（集合）应按给定概率回答的（对于给定数量的N个元素）如果一个请求的元素可能在集合中或没有。为此，我想使用较低的哈希位来将输入分散在K个桶中，每个桶额外存储一些（可调整）高位数，以增加正确答案的概率。另一个应用是bloom filter。我需要这个集合在添加和请求时非常快，并且在内存中尽可能紧凑，并处理非常大量的元素。
如果没有现成的好的解决方案，那么也许我还可以改进xxhash库，并创建一个pull request到作者的存储库。