数据结构与算法——深入理解哈希表

哈希表

哈希表是一种数据结构，基于数组实现，但存取方式和数组不同。
哈希表可以认为是一种特殊的数组，一个重要的特性是“数据项的关键字与数组下标有关联”。（数据项的关键字经过简单计算便可得到数组下标，从而实现快速存取）

---

优点与缺点

• 优点
  • 提供快速的插入操作和查找操作，时间复杂度接近O(1)。
  • 编程实现相对容易。
• 缺点
  • 基于数组，一是创建后难于扩展，二是基本填满时性能下降严重。
  • 难以进行数据有序遍历。

因此，当可以提前预测数据量的大小且不需要有序地遍历数据时，使用哈希表具有巨大的优势。

---

哈希化

• 什么是哈希化？

  • 哈希化概念：通过映射方法（即哈希函数）把一个巨大的整数范围转化为一个可接受的数组范围中。对哈希表来说是把较大的关键字值范围压缩成较小的数组下标范围。
  • 哈希化过程（哈希函数步骤）：
    • 具有唯一标识作用的原始数据—s1—>合适的整数关键字—s2—>数组下标
    • s1: 有些原始数据虽然具备唯一标识特征，但可能不是数字（如字符串），也有可能存在冗余数字位（如校验位），需要将其处理为合适的整数关键字。属于预处理过程。
    • s2: 一般对整数关键字取余得到数组下标。

• 为什么要哈希化？

  • 数据存储快速：
    • 整数关键字与数组下标存在映射关系，可以通过关键字获取数组下标直接存取数据，而不用像普通数组那样通过遍历来存取数据。
  • 节省空间：
    • 将大范围整数压缩成小范围，需要的数组长度变小了。

• 哈希函数的要求：

  • 能将整数关键字范围转化为数组下标值，即关键字要和数组下标要有关联。
  • 简单能快速计算，即各种运算尽量要少。
  • 大范围的数字经过哈希映射后应随机地分布在这个小的数字范围。
    • 要保证大部分关键字不能被数组容量整除，否则关键字经哈希函数映射后容易在某处聚集，影响存取效率。

• 哈希函数的形式：

  • 关键字范围足够小且组织比较连续时：
    • 可以不用哈希函数映射，关键字直接作为数组的下标。
  • 关键字随机分布时：
    • key % arraySize（其中arraySize是数组容量），这种取余操作效果比较好。
  • 关键字非随机分布时：（一般需要对关键字进行预处理，再取余）
    • 不要使用关键字中无效的数据位。关键字一般是位数比较高的整数，有些位对唯一标识这个关键字不起作用，如校验位，应舍弃这些位。
    • 折叠关键字。如哈希表数组容量为1000，对于一个原始关键字123456789，可折叠为123+456+789=1368，再对容量1000取余得到数组下标368。每组包含几个数字应该根据数组容量来选择。

• 举例说明：

  • 有时候虽然整数范围很大，但实际的数据项个数却相对较少。比如说一组整数 0，100，1000&#x