【C++进阶】哈希（万字详解

2401_84165919

于 2024-04-30 06:42:47 发布

阅读量586

点赞数 27

分类专栏：程序员文章标签：哈希算法 c++ 算法

本文链接：https://blog.csdn.net/2401_84165919/article/details/138332743

版权

程序员专栏收录该内容

186 篇文章 0 订阅

订阅专栏

函数声明	功能介绍
size_t bucket_count()const	返回哈希桶中桶的总个数
size_t bucket_size(size_t n)const	返回n号桶中有效元素的总个数
size_t bucket(const K& key)	返回元素key所在的桶号

🍃 1.1.3 unordered_set的文档介绍

unordered_set的在线文档介绍

🍃 1.1.4 unordered_map和unordered_set的使用

unordered_set

#include<iostream>
#include<unordered\_set>
#include<unordered\_map>
using namespace std;

void test\_unordered\_set()
{
    unordered_set<int> s;
    s.insert(3);
    s.insert(4);
    s.insert(5);
    s.insert(3);
    s.insert(1);
    s.insert(2);
    s.insert(6);
    unordered_set<int>::iterator it = s.begin();
    while (it != s.end())
    {
        cout << \*it << " ";
        ++it;
    }
    cout << endl;
}

int main()
{
    test\_unordered\_set();
    return 0;
}

在这里插入图片描述
可以看到它遍历出来是无序的，并且相同的数只会插入一次

unordered_map

#include<iostream>
#include<unordered\_map>
using namespace std;
void test\_unordered\_map()
{
    unordered_map<string, string> dict;
    dict.insert(make\_pair("string", "字符串"));
    dict.insert(make\_pair("sort", "排序"));
    dict.insert(make\_pair("string", "字符串"));
    dict.insert(make\_pair("string", "字符串"));
    auto it = dict.begin();
    while (it != dict.end())
    {
        cout << it->first << ":" << it->second << endl;
        it++;
    }
}
int main()
{
    test\_unordered\_map();
    return 0;
}

在这里插入图片描述
它遍历出来也是无序的，并且相同的数只会插入一次

🍂 1.2 在线OJ

在长度2N的数组中找出重复N次的元素

在这里插入图片描述

class Solution {
public:
    int repeatedNTimes(vector<int>& nums) {
        size_t N = nums.size() / 2;

        unordered_map<int,int> m;
        for(auto e : nums)
            m[e]++;

        for(auto &e : m)
        {
            if(e.second == N)
                return e.first;
        }
        return 0;
    }
};

两个数组的交集

在这里插入图片描述

class Solution {
public:
    vector<int> intersection(vector<int>& nums1, vector<int>& nums2) {
        // 用unordered\_set对nums1中的元素去重
        unordered_set<int> s1;
        for (auto e : nums1)
            s1.insert(e);

        // 用unordered\_set对nums2中的元素去重
        unordered_set<int> s2;
        for (auto e : nums2)
            s2.insert(e);
        
        // 遍历s1，如果s1中某个元素在s2中出现过，即为交集
        vector<int> vRet;
        for (auto e : s1)
        {
            if (s2.find(e) != s2.end())
                vRet.push\_back(e);
        }
        return vRet;
    }
};

两个数组的交集 ||

在这里插入图片描述

class Solution {
public:
    vector<int> intersect(vector<int>& nums1, vector<int>& nums2) {
        if (nums1.size() > nums2.size()) {
            return intersect(nums2, nums1);
        }
        unordered_map <int, int> m;
        for (int num : nums1) {
            ++m[num];
        }
        vector<int> intersection;
        for (int num : nums2) {
            if (m.count(num)) {
                intersection.push\_back(num);
                --m[num];
                if (m[num] == 0) {
                    m.erase(num);
                }
            }
        }
        return intersection;
    }
};

存在重复元素

在这里插入图片描述

class Solution {
public:
    bool containsDuplicate(vector<int>& nums) {
        unordered_set<int> s;
        for (int x: nums) {
            if (s.find(x) != s.end()) {
                return true;
            }
            s.insert(x);
        }
        return false;
    }
};

两句话中的不常见单词

在这里插入图片描述

class Solution {
public:
    vector<string> uncommonFromSentences(string s1, string s2) {
        unordered_map<string, int> freq;
        
        auto insert = [&](const string& s) {
            stringstream ss(s);
            string word;
            while (ss >> word) {
                ++freq[move(word)];
            }
        };

        insert(s1);
        insert(s2);

        vector<string> ans;
        for (const auto& [word, occ]: freq) {
            if (occ == 1) {
                ans.push\_back(word);
            }
        }
        return ans;
    }
};

🍁 2. 底层结构

unordered系列的关联式容器之所以效率比较高，是因为其底层使用了哈希结构。

🍂 2.1 哈希概念

顺序结构以及平衡树中，元素关键码与其存储位置之间没有对应的关系，因此在查找一个元素时，必须要经过关键码的多次比较。顺序查找时间复杂度为O(N)，平衡树中为树的高度，即O(

log_2 N

log2N)，搜索的效率取决于搜索过程中元素的比较次数。

理想的搜索方法：可以不经过任何比较，一次直接从表中得到要搜索的元素。如果构造一种存储结构，通过某种函数(hashFunc)使元素的存储位置与它的关键码之间能够建立一一映射的关系，那么在查找时通过该函数可以很快找到该元素。

当向该结构中：

插入元素

根据待插入元素的关键码，以此函数计算出该元素的存储位置并按此位置进行存放

搜索元素

对元素的关键码进行同样的计算，把求得的函数值当做元素的存储位置，在结构中按此位置取元素比较，若关键码相等，则搜索成功

该方式即为哈希(散列)方法，哈希方法中使用的转换函数称为哈希(散列)函数，构造出来的结构称为哈希表(Hash Table)(或者称散列表)

例如：数据集合{1，7，6，4，5，9}；

哈希函数设置为：hash(key) = key % capacity; capacity为存储元素底层空间总的大小。

在这里插入图片描述
用该方法进行搜索不必进行多次关键码的比较，因此搜索的速度比较快

问题：按照上述哈希方式，向集合中插入元素44，会出现什么问题？

发现4这个位置已经被占用了

🍂 2.2 哈希冲突

对于两个数据元素的关键字

k_i

ki和

k_j

kj(i != j)，有

k_i

ki !=

k_j

kj，但有：Hash(

k_i

ki) == Hash(

k_j

kj)，

即：不同关键字通过相同哈希哈数计算出相同的哈希地址，该种现象称为哈希冲突
或哈希碰撞。

把具有不同关键码而具有相同哈希地址的数据元素称为“同义词”。

发生哈希冲突该如何处理呢？

🍂 2.3 哈希函数

引起哈希冲突的一个原因可能是：哈希函数设计不够合理。

哈希函数设计原则：

哈希函数的定义域必须包括需要存储的全部关键码，而如果散列表允许有m个地址时，其值域必须在0到m-1之间
哈希函数计算出来的地址能均匀分布在整个空间中
哈希函数应该比较简单

常见哈希函数:

直接定址法–(常用)
取关键字的某个线性函数为散列地址：Hash（Key）= A*Key + B
优点：简单、均匀
缺点：需要事先知道关键字的分布情况
使用场景：适合查找比较小且连续的情况
除留余数法–(常用)
设散列表中允许的地址数为m，取一个不大于m，但最接近或者等于m的质数p作为除数，按照哈希函数：Hash(key) = key% p(p<=m),将关键码转换成哈希地址
平方取中法–(了解)
假设关键字为1234，对它平方就是1522756，抽取中间的3位227作为哈希地址；
再比如关键字为4321，对它平方就是18671041，抽取中间的3位671(或710)作为哈希地址平方取中法比较适合：不知道关键字的分布，而位数又不是很大的情况
折叠法–(了解)
折叠法是将关键字从左到右分割成位数相等的几部分(最后一部分位数可以短些)，然后将这几部分叠加求和，并按散列表表长，取后几位作为散列地址。
折叠法适合事先不需要知道关键字的分布，适合关键字位数比较多的情况
随机数法–(了解)
选择一个随机函数，取关键字的随机函数值为它的哈希地址，即H(key) = random(key),其中random为随机数函数。
通常应用于关键字长度不等时采用此法
数学分析法–(了解)
设有n个d位数，每一位可能有r种不同的符号，这r种不同的符号在各位上出现的频率不一定相同，可能在某些位上分布比较均匀，每种符号出现的机会均等，在某些位上分布不均匀只有某几种符号经常出现。可根据散列表的大小，选择其中各种符号分布均匀的若干位作为散列地址。
例如：
假设要存储某家公司员工登记表，如果用手机号作为关键字，那么极有可能前7位都是相同的，那么我们可以选择后面的四位作为散列地址，如果这样的抽取工作还容易出现冲突，还可以对抽取出来的数字进行反转(如1234改成4321)、右环位移(如1234改成4123)、左环移位、前两数与后两数叠加(如1234改成12+34=46)等方法。
数字分析法通常适合处理关键字位数比较大的情况，如果事先知道关键字的分布且关键字的若干位分布较均匀的情况

注意：哈希函数设计的越精妙，产生哈希冲突的可能性就越低，但是无法避免哈希冲突

🍂 2.4 哈希冲突解决

解决哈希冲突两种常见的方法是：闭散列和开散列

🍃 2.4.1 闭散列

闭散列：也叫开放定址法，当发生哈希冲突时，如果哈希表未被装满，说明在哈希表中必然还有空位置，那么可以把key存放到冲突位置中的“下一个” 空位置中去。那如何寻找下一个空位置呢？

线性探测
比如2.1中的场景，现在需要插入元素44，先通过哈希函数计算哈希地址，hashAddr为4，因此44理论上应该插在该位置，但是该位置已经放了值为4的元素，即发生哈希冲突。
线性探测：从发生冲突的位置开始，依次向后探测，直到寻找到下一个空位置为止。
二次探测
线性探测的缺陷是产生冲突的数据堆积在一块，这与其找下一个空位置有关系，因为找空位置的方式就是挨着往后逐个去找，因此二次探测为了避免该问题，找下一个空位置的方法为：

H_i

Hi = (

H_0

H0 +

i^2

i2 )% m, 或者：

H_i

Hi = (

H_0

H0 -

i^2

i2 )% m。其中：i = 1,2,3…，

H_0

H0是通过散列函数Hash(x)对元素的关键码 key 进行计算得到的位置，m是表的大小。
对于2.1中如果要插入44，产生冲突，使用解决后的情况为：
研究表明：当表的长度为质数且表装载因子a不超过0.5时，新的表项一定能够插入，而且任何一个位置都不会被探查两次。因此只要表中有一半的空位置，就不会存在表满的问题。在搜索时可以不考虑表装满的情况，但在插入时必须确保表的装载因子a不超过0.5，如果超出必须考虑增容。
在这里插入图片描述

因此：比散列最大的缺陷就是空间利用率比较低，这也是哈希的缺陷。

🍃 2.4.2 闭散列的实现

#pargma once
namespace close_hash
{
    enum Status
    {
        EMPTY,//空
        EXIST,//存在
        DELETE//删除
    };
    template<class K,class V>
    struct HashData
    {
        pair<K,V> _kv;
      	Status _status = EMPTY; //状态
    };
    template<class K>
    struct HashFunc
    {
        size_t operator()(const K&key)
        {
            return key;
        }
    };    
    //特化
    template<>
    struct HashFunc<string>
    {
        size_t operator()(const string& key)
        {
            //BKDR Hash思想
            size_t hash = 0;
            for(size_t i = 0;i<key.size();++i)
            {
                hash\*=131;
                hash += key[i];//转成整形
            }
            return hash;
        }
    };  
    template<class K,class V,class Hash = HashFunc<K>>
   	class HashTable
    {
    public:
        bool Erase(const K& key)
        {
            HashData<K,V>\* ret = Find(key);
            if(ret == nullptr)
            {
                //没有这个值
                return false;
            }
            else
            {
                //伪删除
                ret->_status = DELETE;
                _n--;
                return true;
            }
        }
        HashData<K,V>\* Find(const K& key)
        {
            if(_table.size() == 0)
            {
                //防止除0错误


![img](https://img-blog.csdnimg.cn/img_convert/8364e291383540606bfab3b188cf468b.png)
![img](https://img-blog.csdnimg.cn/img_convert/ce9ed10ff769a75339db3ac2871d0e55.png)

**网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**

**[需要这份系统化资料的朋友，可以戳这里获取](https://bbs.csdn.net/topics/618545628)**


**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**

V>\* ret = Find(key);
            if(ret == nullptr)
            {
                //没有这个值
                return false;
            }
            else
            {
                //伪删除
                ret->_status = DELETE;
                _n--;
                return true;
            }
        }
        HashData<K,V>\* Find(const K& key)
        {
            if(_table.size() == 0)
            {
                //防止除0错误


[外链图片转存中...(img-VnzZPp6Q-1714430529546)]
[外链图片转存中...(img-HzWrBZX9-1714430529546)]

**网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**

**[需要这份系统化资料的朋友，可以戳这里获取](https://bbs.csdn.net/topics/618545628)**


**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**