【数据结构】哈希表

数据结构哈希表

参考代码如下:

/*
	名称:哈希表 
	语言:数据结构C语言版 
	编译环境:VC++ 6.0
	日期: 2014-3-26 
*/


#include <stdio.h>
#include <malloc.h>
#include <windows.h>


#define NULLKEY 0	// 0为无记录标志 
#define N 10		// 数据元素个数 

typedef int KeyType;// 设关键字域为整型 

typedef struct
{
	KeyType key;
	int ord;
}ElemType; // 数据元素类型 

// 开放定址哈希表的存储结构 
int hashsize[]={11,19,29,37}; // 哈希表容量递增表,一个合适的素数序列 
int m=0; // 哈希表表长,全局变量 

typedef struct
{
	ElemType *elem; // 数据元素存储基址,动态分配数组 
	int count; // 当前数据元素个数 
	int sizeindex; // hashsize[sizeindex]为当前容量 
}HashTable;

#define SUCCESS 1
#define UNSUCCESS 0
#define DUPLICATE -1


// 构造一个空的哈希表
int InitHashTable(HashTable *H)
{  
	int i;
	(*H).count=0; // 当前元素个数为0 
	(*H).sizeindex=0; // 初始存储容量为hashsize[0] 
	m=hashsize[0];
	(*H).elem=(ElemType*)malloc(m*sizeof(ElemType));
	if(!(*H).elem)
		exit(0); // 存储分配失败 
	for(i=0;i<m;i++)
		(*H).elem[i].key=NULLKEY; // 未填记录的标志 
	
	return 1;
}

//  销毁哈希表H
void DestroyHashTable(HashTable *H)
{ 
	free((*H).elem);
	(*H).elem=NULL;
	(*H).count=0;
	(*H).sizeindex=0;
}

// 一个简单的哈希函数(m为表长,全局变量)
unsigned Hash(KeyType K)
{ 
	return K%m;
}

// 开放定址法处理冲突
void collision(int *p,int d) // 线性探测再散列 
{  
	*p=(*p+d)%m;
}

// 在开放定址哈希表H中查找关键码为K的元素,若查找成功,以p指示待查数据 
// 元素在表中位置,并返回SUCCESS;否则,以p指示插入位置,并返回UNSUCCESS 
// c用以计冲突次数,其初值置零,供建表插入时参考。
int SearchHash(HashTable H,KeyType K,int *p,int *c)
{
	*p=Hash(K); // 求得哈希地址 
	while(H.elem[*p].key!=NULLKEY&&!(K == H.elem[*p].key))
	{
		// 该位置中填有记录.并且关键字不相等 
		(*c)++;
		if(*c<m)
			collision(p,*c); // 求得下一探查地址p 
		else
			break;
	}
	if (K == H.elem[*p].key)
		return SUCCESS; // 查找成功,p返回待查数据元素位置 
	else
		return UNSUCCESS; // 查找不成功(H.elem[p].key==NULLKEY),p返回的是插入位置 
}

int InsertHash(HashTable *,ElemType); // 对函数的声明 

// 重建哈希表
void RecreateHashTable(HashTable *H) // 重建哈希表 
{ 
	int i,count=(*H).count;
	ElemType *p,*elem=(ElemType*)malloc(count*sizeof(ElemType));
	p=elem;
	printf("重建哈希表\n");
	for(i=0;i<m;i++) // 保存原有的数据到elem中 
		if(((*H).elem+i)->key!=NULLKEY) // 该单元有数据 
			*p++=*((*H).elem+i);
	(*H).count=0;
	(*H).sizeindex++; // 增大存储容量 
	m=hashsize[(*H).sizeindex];
	p=(ElemType*)realloc((*H).elem,m*sizeof(ElemType));
	if(!p)
		exit(0); // 存储分配失败 
	(*H).elem=p;
	for(i=0;i<m;i++)
		(*H).elem[i].key=NULLKEY; // 未填记录的标志(初始化) 
	for(p=elem;p<elem+count;p++) // 将原有的数据按照新的表长插入到重建的哈希表中 
		InsertHash(H,*p);
}

// 查找不成功时插入数据元素e到开放定址哈希表H中,并返回1; 
// 若冲突次数过大,则重建哈希表。
int InsertHash(HashTable *H,ElemType e)
{
	int c,p;
	c=0;
	if(SearchHash(*H,e.key,&p,&c)) // 表中已有与e有相同关键字的元素 
		return DUPLICATE;
	else if(c<hashsize[(*H).sizeindex]/2) // 冲突次数c未达到上限,(c的阀值可调) 
	{
		// 插入e 
		(*H).elem[p]=e;
		++(*H).count;
		return 1;
	}
	else
		RecreateHashTable(H); // 重建哈希表 
	
	return 0;
}

// 按哈希地址的顺序遍历哈希表
void TraverseHash(HashTable H,void(*Vi)(int,ElemType))
{  
	int i;
	printf("哈希地址0~%d\n",m-1);
	for(i=0;i<m;i++)
		if(H.elem[i].key!=NULLKEY) // 有数据 
			Vi(i,H.elem[i]);
}

// 在开放定址哈希表H中查找关键码为K的元素,若查找成功,以p指示待查数据 
// 元素在表中位置,并返回SUCCESS;否则,返回UNSUCCESS 
int Find(HashTable H,KeyType K,int *p)
{
	int c=0;
	*p=Hash(K); // 求得哈希地址 
	while(H.elem[*p].key!=NULLKEY&&!(K == H.elem[*p].key))
	{ // 该位置中填有记录.并且关键字不相等 
		c++;
		if(c<m)
			collision(p,c); // 求得下一探查地址p 
		else
			return UNSUCCESS; // 查找不成功(H.elem[p].key==NULLKEY) 
	}
	if (K == H.elem[*p].key)
		return SUCCESS; // 查找成功,p返回待查数据元素位置 
	else
		return UNSUCCESS; // 查找不成功(H.elem[p].key==NULLKEY) 
}


void print(int p,ElemType r)
{
	printf("address=%d (%d,%d)\n",p,r.key,r.ord);
}

int main()
{
	ElemType r[N] = {
		{17,1},{60,2},{29,3},{38,4},{1,5},
		{2,6},{3,7},{4,8},{60,9},{13,10}
	};
	HashTable h;
	int i, j, p;
	KeyType k;
	
	InitHashTable(&h);
	for(i=0;i<N-1;i++)
	{
		// 插入前N-1个记录 
		j=InsertHash(&h,r[i]);
		if(j==DUPLICATE)
			printf("表中已有关键字为%d的记录,无法再插入记录(%d,%d)\n",
				r[i].key,r[i].key,r[i].ord);
	}
	printf("按哈希地址的顺序遍历哈希表:\n");
	TraverseHash(h,print);
	printf("请输入待查找记录的关键字: ");
	scanf("%d",&k);
	j=Find(h,k,&p);
	if(j==SUCCESS)
		print(p,h.elem[p]);
	else
		printf("没找到\n");
	j=InsertHash(&h,r[i]); // 插入第N个记录 
	if(j==0) // 重建哈希表 
		j=InsertHash(&h,r[i]); // 重建哈希表后重新插入第N个记录 
	printf("按哈希地址的顺序遍历重建后的哈希表:\n");
	TraverseHash(h,print);
	printf("请输入待查找记录的关键字: ");
	scanf("%d",&k);
	j=Find(h,k,&p);
	if(j==SUCCESS)
		print(p,h.elem[p]);
	else
		printf("没找到\n");
	DestroyHashTable(&h);
	
	system("pause");
	return 0; 
}

/*
输出效果:

表中已有关键字为60的记录,无法再插入记录(60,9)
按哈希地址的顺序遍历哈希表:
哈希地址0~10
address=1 (1,5)
address=2 (2,6)
address=3 (3,7)
address=4 (4,8)
address=5 (60,2)
address=6 (17,1)
address=7 (29,3)
address=8 (38,4)
请输入待查找记录的关键字: 17
address=6 (17,1)
重建哈希表
按哈希地址的顺序遍历重建后的哈希表:
哈希地址0~18
address=0 (38,4)
address=1 (1,5)
address=2 (2,6)
address=3 (3,7)
address=4 (4,8)
address=6 (60,2)
address=10 (29,3)
address=13 (13,10)
address=17 (17,1)
请输入待查找记录的关键字: 13
address=13 (13,10)
请按任意键继续. . .

*/ 

运行结果如下:


  • 3
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
哈希表是一种基于哈希函数进行快速查找的数据结构,它通过把关键码值映射到中一个位置来访问记录,以加快查找的速度。哈希表的设计思路如下: 1. 哈希函数的设计:哈希函数是哈希表的核心,它将关键字映射到哈希表中的位置。一个好的哈希函数应该具有以下特点: - 映射范围广:哈希函数应该将关键字均匀地映射到哈希表中的位置,避免出现大量的哈希冲突。 - 计算速度快:哈希函数的计算速度应该尽可能快,以提高哈希表的访问速度。 - 低冲突率:哈希函数应该尽可能地避免哈希冲突,以提高哈希表的访问效率。 2. 哈希冲突的解决:由于哈希函数的映射范围是有限的,所以不同的关键字可能会映射到同一个位置,这就是哈希冲突。哈希冲突的解决方法有以下两种: - 链地址法:将哈希表中的每个位置都连接一个链,当发生哈希冲突时,将新的关键字插入到链的末尾。 - 开放地址法:当发生哈希冲突时,通过某种算法找到哈希表中的下一个空位置,将新的关键字插入到该位置。 3. 哈希表的增删查改操作:哈希表的增删查改操作都需要先通过哈希函数找到关键字在哈希表中的位置,然后再进行相应的操作。具体操作如下: - 插入操作:将新的关键字插入到哈希表中的对应位置,如果发生哈希冲突,则按照链地址法或开放地址法进行解决。 - 删除操作:将关键字从哈希表中对应位置删除,如果该位置上有链,则需要遍历链找到对应的关键字进行删除。 - 查找操作:通过哈希函数找到关键字在哈希表中的位置,如果该位置上有链,则需要遍历链找到对应的关键字进行查找。 - 修改操作:通过哈希函数找到关键字在哈希表中的位置,如果该位置上有链,则需要遍历链找到对应的关键字进行修改。 下面是一个使用链地址法实现的哈希表的Python代码示例: ```python class ListNode: def __init__(self, key=None, value=None): self.key = key self.value = value self.next = None class MyHashMap: def __init__(self): self.size = 1000 self.table = [None] * self.size def _hash(self, key): return key % self.size def put(self, key, value): index = self._hash(key) if not self.table[index]: self.table[index] = ListNode(key, value) else: node = self.table[index] while node: if node.key == key: node.value = value return if not node.next: break node = node.next node.next = ListNode(key, value) def get(self, key): index = self._hash(key) node = self.table[index] while node: if node.key == key: return node.value node = node.next return -1 def remove(self, key): index = self._hash(key) node = prev = self.table[index] if not node: return if node.key == key: self.table[index] = node.next else: node = node.next while node: if node.key == key: prev.next = node.next break node, prev = node.next, prev.next ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

徐刘根

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值