一文带你快速入门【哈希表】

最近开始学习哈希表，为此特写一遍文章介绍一下哈希表，带大家快速入门哈希表🎓

一、什么是哈希表？

散列表（Hash table，也叫哈希表），是根据关键码值(Key value)而直接进行访问的数据结构。也就是说，它通过把关键码值映射到表中一个位置来访问记录，以加快查找的速度。这个映射函数叫做散列函数，存放记录的数组叫做散列表。来源百度百科

不过看了这么一段，也不是很清楚什么是哈希表，简单点用一句话来说

哈希表是根据关键码的值而直接进行访问的数据结构👋

但我和身边的朋友讲了这么一句话，但是他还是不太理解，那我便又说

直白来讲其实数组就是一张哈希表，就如下图所示

二、怎么实现哈希表？需要注意什么？

对于哈希表，最多的就是去一堆数据中寻找那一两个数据，比方说在学生信息管理系统中查找一个学生的信息，就需要通过索引值去寻找，但是如何搭建它们之间的桥梁:bridge:呢？这时我们就需要用到哈希函数了（hash function），将学生的学号映射到哈希表上

1、哈希函数

哈希函数指将哈希表中元素的关键键值映射为元素存储位置的函数 百度百科

• 通过哈希函数，把学生的学号直接映射为哈希表上的索引，然后通过此索引下标就可以快速知道这位同学是否在这所学校🏫里了
• 这里的Key值和Value值叫做键值对，在JDK中有专业叫法叫做Entry，这个我在C++STL【容器】详解中的有做过详细介绍，大家可以去看看
• 对于哈希函数的内部实现，它是基于一种叫**哈希码（HashCode）**的编码，把学号转换为数值，它的原理是【通过特定编码方式，可以将其他数据格式转化为不同的数值】，这样就把学生名字映射为哈希表上的索引数字了
• 最后通过这个索引值，找到了Key值所对应的Value值，也就显示出了小明在学生管理系统中的基本信息

以下是具体映射结构原理图👇

2、哈希碰撞（哈希冲突）

说到哈希表，那除了哈希函数一定要讲哈希碰撞，因为如果哈希函数设计的不是很好，就会经常出现哈希碰撞的现象，这么说说不太形象，大概是这么个碰撞👇

• 可以看出，此哈希表中还是存在蛮严重的哈希碰撞，有两个学生或三个学生都对应这同一个索引值，当然这只是为了讲解而画的假设，现实编程中如果设计的不严谨确实可能会出现这样的情况，那如何去解决这一碰撞呢？接下来介绍两种常见的方法

方法一：拉链法

所谓拉链法，字面意思就是将冲突的数据拉开，“链”就是【链表】的意思，将指向索引1的第一个学生的键值之后再设计一个next指针，指向下一个学生也是指向索引1的键值，这就形成了一个链表的形状，具体看下图即可👇

方法二：线性探测法

何所谓线性探测法，也就是成一个线状的趋势去探测，是否有下一个空位置给冲突的数据暂时存放，如果表中有空位子，就不用将他们一定要挤在一起形成一个链状了，因为链表太长是会浪费空间的，

讲得通俗一点，也就是你去一个食堂打菜，大家都喜欢在5号窗口打菜，可能是因为这个阿姨手不抖，但旁边的4号窗却只有两三人而已，有时候也会出现空位，那为什么一定要把队伍排得那么长呢，饭有的吃就不错了，万一那个阿姨手也不抖呢，何不去尝试一下😻

一样，也以图的形式展示给大家，这里要注意，只能往后找，不能往前找，可以看出下标0位置是空着的

三、有哪些哈希结构？

常见的三种哈希结构

• 数组
• set
• map

数组没什么好说的，我们主要来说一说set和map，均以表格的形式呈现📋

1、set

集合	底层实现	是否有序	是否可重复	数值可否更改	查询效率	增删效率
std::set	红黑树	有序	否	否	O(nlogn)	O(nlogn)
std::multiset	红黑树	有序	是	否	O(nlogn)	O(nlogn)
std::unordered_set	哈希表	无序	是	否	O(1)	O(1)

• 我们可以看到unordered_set它是无序的，但是set和multiset确实有序的，这个我在C++STL【容器】详解中也做过介绍✏️，因为它们和map一样，底层实现都是红黑树，即所谓的平衡二叉搜索树，所以其key值是有序的，但不可以修改，否则会导致整棵树的错乱，所以只能删除和增加

2、map

映射	底层实现	是否有序	是否可重复	数值可否更改	查询效率	增删效率
std::map	红黑树	key有序	key不可重复	key不可修改	O(nlogn)	O(nlogn)
std::multimap	红黑树	key有序	key不可重复	key不可修改	O(nlogn)	O(nlogn)
std::unordered_map	哈希表	key无序	key不可重复	key不可修改	O(1)	O(1)

四、哈希表有哪些优势和劣势？

1、优势（advantage）

• 如果你需要在1-10这10个数中寻找5很容器，但是让你在1-4,294,967,296中找一个数却很是困难，但是哈希表可以做到，加入你用枚举去实现的话，时间复杂度可能要O(n)，但是如果用哈希表去实现的话，时间复杂度却只需要O(1)，大家说是不是更加优化了呢。其实现的原理便是快速判断一个元素是否出现集合里

2、劣势（disadvantage）

• 哈希表它虽然查找很快，但是它的空间复杂度却不低，因为需要用set或map来存放数据，才能实现快速的查找，换句话来说就是牺牲了✂️空间换取了时间

五、在实际问题中怎么解决有关哈希表的问题？

1、干货讲解

什么时候用哈希表呢？【当我们需要查询一个元素是否出现过，或者一个元素是否在集合里的时候，就要第一时间想到哈希法，因其可以快速判断一个元素是否出现集合里】

教大家一个小秘诀，在实际的问题中，如果您碰到了使用集合解决哈希问题的时候，优先使用unordered_set，因其查、增删的效率是最高的；如果集合是有序的，那就使用set；不仅是有序而且要重复数据的话，那就使用multiset

那么再来看一下map ，map 是一个key value的数据结构，map中，对key是有限制，我们从上表中也可以看出对value没有限制的，因为key的存储方式使用红黑树实现的，所以在做题的时候如果遇到需要使用key value结构来对应寻找数据时，就可以使用map相关的哈希表结构

之前有讲过一道题电话号码的字母组合，就是用map去存储每个数字所对应的字符串，这样就可以根据具体的数字去迅速对应到与之相对应的数据了，但是set集合却做不到这个，因为set里面放的元素只能是一个key值，当需要两数据相对应时就不要使用set了,使用map更为合适，但是选择map、multimap还是unordered_map呢，这就需要大家自己思考并根据实际题目看key值是否有序还是无序了

虽然我们没有讲数组，但设计哈希表的题目中利用数组解题的还是有，因为使用数组就不需要利用哈希映射了，这样便可以节省空间复杂度，一般数组用在数据量较小的题目中

2、具体题目简述

光说不练假把式，我们到具体题目中看个两题感受一下📇

第一题

• 看题，求两个数组的交集，很明显这是两个集合，而且没有所谓的key value接口果断选择效率最高的unordered_set，但是看下面的数据量并不是成千上亿那么大🙌，所以这题用数组其实更为合适，具体思路不做讲解，后续会更新，给一下代码

 vector<int> intersection(vector<int>& nums1, vector<int>& nums2) {
     unordered_set<int> result;
     unordered_set<int> num(nums1.begin(),nums1.end());    //把nums1中数放入num集合

     //遍历nums2数组，与num集合做比较
     for(int i : nums2)
     {
         if(num.find(i) != num.end())
             //没有到num的结尾就发现了异常情况
             result.insert(i);   //将交集元素放入result集合
     }
     //最后以一个vector容器的形式返回
     return vector<int>(result.begin(),result.end());
 }

第二题

• 这是力扣的第一题，相信大家都做过，不知你是否试过用哈希表来做呢，看题，很明显，这是一个key value结构，求出两个目标整数相加为目标数target，返回这两个数所对应的下标，所以我们应该使用map，看示例，并不是有序的，因此果断选择unordered_map，相信很多小伙伴之前都是用的暴力枚举，采用数组的形式来解出这道题的，但是我们通过观察这道题的数据，是不是很大，10⁴，10⁹，所以时间复杂度直奔O(n²)，哈希表就是题目最下方的进阶做法，时间复杂度为O(n)，空间复杂度也为O(n)，因为需要额外的数组来存放数据。一样不做细接，只给代码

 vector<int> twoSum(vector<int>& nums, int target) {
     std::unordered_map <int,int> map;
     for(int i = 0; i < nums.size(); i++) {
         // 遍历当前元素，并在map中寻找是否有匹配的key
         auto iter = map.find(target - nums[i]); 
         if(iter != map.end()) {
             return {iter->second, i};
         }
         // 如果没找到匹配对，就把访问过的元素和下标加入到map中
         map.insert(pair<int, int>(nums[i], i)); 
     }
     return {};
 }

总结与回顾

怎么样，在看了本文和这两题之后是不是有点豁然开朗的感觉，好像自己也有点会做哈希表的题目了，那就赶快去再刷几道题热热身吧，如果您还是有点不太清楚，可以再去查询一下相关的资料，或者关注我，后续会有哈希表相关的力扣题解，我也是刚刚开始学习，可能讲的不是很清楚，但我们可以通过刷题来加深自己对知识的理解，加油，一起学习和进步📕

相关题目

1.两数之和
15. 三数之和
18. 四数之和
242.有效的字母异位词
349. 两个数组的交集

以下是我开创的社区，感兴趣的小伙伴们可以加入进来一起交流学习，解决编程的难题

我的社区：🔥烈火神盾🔥