刷穿剑指offer-Day14-哈希表I 基础知识整理

刷穿剑指offer-Day14-哈希表I 基础知识整理

引子

哈希表作为算法解题中的top数据结构，因为其查找、插入、删除的平均复杂度都是O(1)，可以大幅度缩减时间复杂度，所以成为一种空间换时间的解题方式。

有人相爱，有人夜里开车看海，有人leetcode第一题都做不出来。

很多第一次刷力扣算法的朋友，都在 twoSum 这道题中看到了这句评论，也相信有90%的朋友在第一次在做这道题的时候也和我一样，使用了双层for循环的O(n ^ 2)时间复杂度去提交。

直到后来，学习了哈希表才了解了更高效的解题方法。那么今天，我们就要开始哈希表的学习了，它真的是所有数据结构中扛把子级别的选手，需要我们认真去对待。

哈希函数与寻址表

哈希函数是一个可以将任意长度的数据块映射到固定长度的值，这个步骤称为hash，也就是散列。

而哈希表又称为散列表，是一种线性表的存储结构，它由一个哈希函数和一个直接寻址表组成。

哈希表经常作为面试考点，力扣上就有对应的两道题目 设计哈希集合 和 设计哈希映射。只有我们理解了哈希表的实现原理才谈得上设计，让我们一步步的去理解哈希表吧。

上面我们提到了哈希表是由一个哈希函数和一个直接寻址表组成，这两者缺一不可。根据哈希函数的定义，我们可以变相的理解为不管系统告诉我们的是一个数字、字符串还是其他的什么，我都可以将其转化成一个具体的标识符与和寻址表做对应。

Python有hash函数，而Java中存在hashCode，他们都可以将任意的内容转化为一个固定的整数。那么，我们将转化后的整数与寻址表的下标做对应，就完成了一个理论上的hash表。

然而，整数的范围太大了，我们初始化一个如此大的寻址表，然后只存寥寥几个数组，会造成多大的空间浪费啊，这显然是不切实际的想法。那么如何节约内存开销？我们在刷穿剑指offer系列Day3中讲解了整数的取模与快速幂操作。当时还专门引出了一段前戏，问题是：

对 10 ^ 9 + 7 取余，到底有什么含义？

没错，既然我们想缩小寻址表的空间，我们就可以通过取模的操作来实现，然而使用什么数字进行取模才能分布均匀呢，当然是尽可能大的质数。比如最小的7、13 、17 等等...

我们每输入一个内容，通过哈希函数转换后取模，就可以定位到有限的寻址表了。但这样操作，又会引出一个问题。即便我们使用足够大的质数，难免会出现哈希后取模结果一样的场景，那该怎么办？

这种场景叫做 哈希冲突！

哈希冲突

上面提到，由于我们为了节约空间所以缩小了寻址表的大小，导致可能会出现哈希冲突的情况。

比如，我们创建了一个长度为7的寻址表，此时我们需要保存{x:100}和{y:200}，x和y两个key在执行哈希后的结果分别为1和8。那么两者对7取模的结果都为1。

那么，当遇到这种情况应该如何解决呢？一般常见的有两种解决办法：

1. 开放寻址法(开放地址法)，又细分为线性探查、二次探查、二度哈希
2. 链式地址法(拉链发)

对于第一种解决办法，当x存入寻址表index1位置后，y发现x把index1这个下标占了，它就依次往后找2有没有占，没有占我就用index2，如果依然被占了就继续往后找，直到找到结果。

很多人会说，这样错乱的保存，我们在取数的时候该怎么拿呢？我们来思考下

• 如果是找x，我们hash后取模找到寻址表的1节点，此时节点数据为["x", 100]，找到了key，直接返回100。
• 如果是找y，我们hash后取模找到寻址表的1节点，发现不是y，那就往后找，找到下一个节点["y",200]是结果，返回200

这样的操作方式就是开放寻址法中的线性探查。至于二次探查和二度哈希，原理也是如此。

对于第二种解决办法，当x存入寻址表index1位置后，y发现x把index1这个下标占了，此时我们就需要在index1的位置创建一个链表，然后将x、y分别添加至链表。这样下次在查找x和y时，遍历链表节点并返回即可。

不管是第一种办法，还是第二种办法，出现了这种哈希冲突后，都会造成哈希表的时间复杂度提升，所以说到哈希表的时间复杂度都是指的平均时间复杂度。

介绍了这么多内容，不做一道题目，怎么验证知识的掌握程度，让我们先来做一道简单的设计哈希集合题目。

705.设计哈希集合

https://leetcode-cn.com/problems/design-hashset/solution/705-she-ji-ha-xi-ji-he-xiang-na-yao-duo-2jo2w/

难度：简单

题目

不使用任何内建的哈希表库设计一个哈希集合(HashSet)。实现 MyHashSet 类：

• void add(key) 向哈希集合中插入值 key 。
• bool contains(key) 返回哈希集合中是否存在这个值 key 。
• void remove(key) 将给定值 key 从哈希集合中删除。如果哈希集合中没有这个值，什么也不做。

提示：

• 0 <= key <= 10 ^ 6
• 最多调用 10 ^ 4 次 add、remove 和 contains 。

示例

输入：
["MyHashSet", "add", "add", "contains", "contains", "add", "contains", "remove", "contains"]
[[], [1], [2], [1], [3], [2], [2], [2], [2]]
输出：
[null, null, null, true, false, null, true, null, false]

解释：
MyHashSet myHashSet = new MyHashSet();
myHashSet.add(1);      // set = [1]
myHashSet.add(2);      // set = [1, 2]
myHashSet.contains(1); // 返回 True
myHashSet.contains(3); // 返回 False ，(未找到)
myHashSet.add(2);      // set = [1, 2]
myHashSet.contains(2); // 返回 True
myHashSet.remove(2);   // set = [1]
myHashSet.contains(2); // 返回 False ，(已移除)

分析

通过我们介绍的哈希表知识，再来做这道题就不会显得无从下手了。
首先，我们可以考虑一种极限场景，即构造一个 0 <= key <= 10 ^ 6 长度的寻址表。
这样，无需任何操作，就可以在O(1)的时间内返回答案了。

验证是可行的。但这样的解题很明显面试的时候要被吊打。

所以，我们还是来考虑链式地址法，即通过数组与链表的方式设计一个哈希集合。

两种解题如下：

与key等长的寻址表

Python:

class MyHashSet:
    def __init__(self):
        self.my_set = [False] * 1000001

    def add(self, key: int) -> None:
        self.my_set[key] = True

    def remove(self, key: int) -> None:
        self.my_set[key] = False

    def contains(self, key: int) -> bool:
        return self.my_set[key]

Java:

class MyHashSet {
    boolean[] mySet = new boolean[1000001];

    public void add(int key) {
        mySet[key] = true;
    }

    public void remove(int key) {
        mySet[key] = false;
    }

    public boolean contains(int key) {
        return mySet[key];
    }
}

链式地址法解题

Python:

class MyHashSet:
    def __init__(self):
        self.mod = 1007
        self.table = [[] for _ in range(self.mod)]

    def hash(self, key):
        return key % self.mod

    def div(self, key):
        return key // self.mod

    def add(self, key):
        hash_key = self.hash(key)
        if not self.table[hash_key]:
            self.table[hash_key] = [0] * self.mod
        self.table[hash_key][self.div(key)] = 1

    def remove(self, key):
        hash_key = self.hash(key)
        if self.table[hash_key]:
            self.table[hash_key][self.div(key)] = 0

    def contains(self, key):
        hash_key = self.hash(key)
        return self.table[hash_key] != [] and self.table[hash_key][self.div(key)] == 1

Java:

class MyHashSet {

    private static final int BASE = 1007;
    private LinkedList[] mySet;

    private static int hash(int key) {
        return key % BASE;
    }

    public MyHashSet() {
        mySet = new LinkedList[BASE];
        for (int i = 0; i < BASE; i++) {
            mySet[i] = new LinkedList<Integer>();
        }
    }

    public void add(int key) {
        int h = hash(key);
        Iterator<Integer> iterator = mySet[h].iterator();
        while (iterator.hasNext()) {
            Integer value = iterator.next();
            if (value == key) {
                return;
            }
        }
        mySet[h].offerLast(key);
    }

    public void remove(int key) {
        int h = hash(key);
        Iterator<Integer> iterator = mySet[h].iterator();
        while (iterator.hasNext()) {
            Integer value = iterator.next();
            if (value == key) {
                mySet[h].remove(value);
                return;
            }
        }
    }

    public boolean contains(int key) {
        int h = hash(key);
        Iterator<Integer> iterator = mySet[h].iterator();
        while (iterator.hasNext()) {
            Integer value = iterator.next();
            if (value == key) {
                return true;
            }
        }
        return false;
    }
}

今天关于哈希表的知识就学习到这里，明天我们需要通过学习HashSet和HashMap来完成相关类型题目。

欢迎关注我的公众号: 清风Python，带你每日学习Python算法刷题的同时，了解更多python小知识。

我的个人博客：https://qingfengpython.cn

力扣解题合集：https://github.com/BreezePython/AlgorithmMarkdown