Python算法学习 - 哈希表

Python算法学习 - 哈希表

哈希表学习及其应用

哈希表（hash table）作为数据结构中非常重要的一环，在算法题的解法中也频频需要用到。而Python的内置数据结构 - 字典，就是用哈希表的原理实现的。

哈希表是什么

（来源wikipedia）散列表（Hash table，也叫哈希表），是根据键（Key）而直接访问在記憶體儲存位置的数据结构。 也就是说，它通过计算一个关于键值的函数，将所需查询的数据映射到表中一个位置来访问记录，这加快了查找速度。 这个映射函数称做散列函数，存放记录的数组称做散列表。

哈希表的优势

哈希表在查询时拥有极其快的速度，在有需要建立索引的需求时拥有极高的效率。

Python实现哈希表

class hashTable:
    def __init__(self):
        self.items = []
        pass
    
    def add(self, key, value):
        self.items.append((key, value))
        
    def get(self, key):
        for item in self.items:
            if item[0] == key:
                return item[1] # 返回匹配到的第一个值
        print('所查找的键不存在')

例题

来源LeetCode
计算可以构成回旋镖的点的数量。

class Solution:
    def numberOfBoomerangs(self, points: List[List[int]]) -> int:
        distance = {}

        def calDistance(a, b):
            d1 = a[0] - b[0]
            d2 = a[1] - b[1]
            return d1 ** 2 + d2 ** 2

        for i in range(len(points)):
            temp = points.pop(0)
            distance[i] = {}
            for point in points:
                d = calDistance(temp, point)
                if d not in distance[i].keys():
                    distance[i][d] = 1
                else:
                    distance[i][d] += 1 
            points.append(temp)
        
        # 计算最后结果
        ans = 0
        for k, v in distance.items():
            for k1, v1 in v.items():
                if v1 > 1:
                    ans += v1 * (v1-1)
        return ans

时间复杂度为O($N^2$)
空间复杂度为O($N^2$)
空间复杂度有待改进。