哈希表与哈希算法（Python系列30）

最新推荐文章于 2024-07-22 20:42:52 发布
最新推荐文章于 2024-07-22 20:42:52 发布
阅读量627 收藏 8
点赞数 17
文章标签： 哈希算法 数据结构
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/a12345dfsdf/article/details/134836314
版权
本文首先探讨了数组的索引查询时间复杂度为O(1)，接着对比了Python列表与数组的区别，强调其动态类型特性。随后聚焦哈希表数据结构，以及Python字典的查找机制，介绍了哈希算法在其中的作用。
摘要由CSDN通过智能技术生成

在讲哈希表数据结构和哈希算法之前，我想先刨析一下数组和python中的列表

首先来讲一下数组，我想在这提出一个疑问：

为什么数组通过索引查询数据的时间复杂度为O(1)，也就是不管数组有多大，算法的执行时间都是不变的。

因为无论数组有多大索引为何值，CPU只运算一次，所以时间复杂度为O(1)。

再来说说Python列表，列表结构他是基于数组的，但是Python列表和数组的最大区别就是python列表中的元素数据没有类型限制，这就导致列表元素数据就没有了固定的大小，如果和数组一样将数据直接放在列表中，那么将无法通过索引来计算内存地址，列表是如何处理的呢。

哈希表和哈希算法

python字典的查找机制，哈希表数据结构。

 哈希算法

不会有人取个名会想很久吧
关注
  • 17
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
哈希算法在python中的调用代码实例
04-30
在Python中，除了内置的`hash()`函数，还可以使用第三方库如`hashlib`来实现更高级别的哈希算法，如MD5和SHA系列： ```python import hashlib data = "Hello, World!" md5_hash = hashlib.md5(data.encode('utf-8'...
python算法数据结构课程视频含代码之哈希表2G
04-16
python算法数据结构课程视频含代码之哈希表2G提取方式是百度网盘分享地址
原地哈希算法的几个应用
09-19
对于原地哈希算法的一些案例应用，三个，分别是查找缺失的最小整数，寻找数组中错误的元素和给出对应的正确元素，寻找重复数。
基于python与感知哈希算法实现图像检索
06-25
1. 感知哈希算法的原理与步骤：预处理、DCT变换、降噪、二进制表示和哈希化。 2. Python中的`imagehash`库：提供便利的接口来计算感知哈希和比较图像相似度。 3. 图像检索的基本流程：计算图像的哈希值，构建哈希表...
关于哈希表、Python100道题
03-04
哈希表，也被称为散列表，是数据结构中的一种重要实现，它在计算机科学和编程领域，尤其是在Python中，有着广泛的应用。哈希表通过使用哈希函数将数据映射到一个固定大小的数组中，使得数据的存取速度极快，通常能...
从零开始学数据结构系列之第四章《prim算法（普里姆算法）详解》
铁匠匠匠的博客
07-18 1073
可以参考以下视频。
数据结构day3
qq_55245263的博客
07-18 288
顺序表实现学生管理系统
【面试题】数据结构：堆排序的排序思想？
Colorful___的博客
07-18 722
堆排序是一种高效的排序算法，其基本思想是利用堆这种数据结构来实现排序。堆是一种特殊的完全二叉树，通常用数组来表示。
数据结构---二叉树
weixin_47808575的博客
07-22 65
参考：二叉树遍历方法——前、中、后序遍历（图解）_二叉树遍历前序中序后序-CSDN博客
数据结构第35节 性能优化 算法的选择
hummhumm的专栏
07-18 742
算法的选择对于优化程序性能至关重要。不同的算法在时间复杂度、空间复杂度以及适用场景上有着明显的差异。下面我将结合具体的代码示例，来讲解几种常见的算法选择及其优化方法。
【数据结构】堆的实现以及建堆算法和堆排序
2301_81670477的博客
07-19 979
哈喽，各位小伙伴大家好！上期给大家讲了树，二叉树以及堆。今天带着大家实现堆这个数据结构，以及堆排序。话不多说，咱们进入正题！向大厂冲锋！
24暑假算法刷题 | Day16 | LeetCode 513. 找树左下角的值，112. 路径总合，106. 从中序和后序遍历序列构造二叉树
weixin_54468359的博客
07-18 1103
24暑假刷题day15打卡 二叉树进阶
数据结构~~顺序表
最新发布
TU^的博客
07-22 390
定义：顺序表是用一组连续的存储单元依次存储数据元素的线性结构。特点：1. 逻辑顺序与物理顺序一致：元素顺序存储，相邻元素物理位置相邻。2. 可以快速访问任意元素：通过索引直接访问元素。优点：1. 实现简单。2. 随机访问方便。缺点：1. 插入、删除操作可能需要移动大量元素，效率较低。2. 需要预先确定固定的存储空间，可能造成空间浪费或不足。基本操作：包括初始化、插入、删除、查找、遍历等。
数据结构和算法（刷题）- 用栈实现队列
yunshancangcang_的博客
07-19 370
出队涉及AB两栈的迁移。这是均摊时间复杂度，均摊到每次出队上就是。只用1个栈肯定不行，得用两个栈。思考：入队的时间复杂度显然是。思路：一个栈A，一个栈B。
【数据结构-前缀和】力扣2550.统计范围内的元音字符串数
sjsjs11的博客
07-22 185
计算前缀和数组的时间是 O(n)，然后计算 q 个查询的答案，计算每个查询的答案的时间是 O(1)，因此时间复杂度是 O(n+q)。输入：words = [“aba”,“bcb”,“ece”,“aa”,“e”], queries = [[0,2],[1,4],[1,1]]输入：words = [“a”,“e”,“i”], queries = [[0,2],[0,1],[2,2]]查询 [1,4] 结果为 3（字符串 “ece”、“aa”、“e”）。返回结果 [2,3,0]。输出：[3,2,1]
《数据结构-用C语言描述第三版》课后答案 第三章
m0_62469100的博客
07-19 995
b[2] = 2;b[n+1] = 2;i>=2;i--){若调用 bin ( A ,5)，给出 A 数组中第1个到第6个数组元素的值。答：数组中的值为每次递归将后面一个元素赋值为2，然后前面的元素分别加等其前面的元素。
数据结构（下）复习
LgdCjp的博客
07-22 472
1.数据结构是一门研究非数值计算的程序设计问题中计算机的数据元素以及它们之间的关系和运算等的学科。2.基本数据结构，从逻辑上可分为线性结构和非线性结构，大体上可分成表结构、树结构、图结构 和散结构4大类表结构用于表示结点的先后次序关系，通常一个结点只有1个前驱和后继；树结构用来表示结点之间的层次关系，通常一个结点可以有多个后继，1个前驱。一个数据节点的集合以及集合中各结点之间的关系组成一个数据结构3.数据的物理结构（存储结构）要体现出逻辑结构。
数据结构——栈（链式结构）
鲸落博客
07-21 491
栈的链式存储结构是指使用链表来实现栈这种数据结构。在链式存储结构中，栈的每个元素被封装成一个节点，节点之间通过指针相连，形成一个链表。栈顶元素对应链表的头部，栈底元素对应链表的尾部。这种结构可以动态地分配和管理存储空间，适合于需要频繁插入和删除操作的场景。如果一个栈存在频繁进栈和出栈操作，可以考虑链式结构。的栈底开始向栈顶打印元素。
【手撕数据结构】把玩顺序表
apple_61439616的博客
07-19 891
顺序表是⽤⼀段物理地址连续的存储单元依次存储数据元素的线性结构，⼀般情况下采⽤数组线性结构又是什么意思，这就不得不提到线性表了线性表（linear list）是n个具有相同特性的数据元素的有限序列线性表是⼀种在实际中⼴泛使 ⽤的数据结构，常⻅的线性表：顺序表、链表、栈、队列、字符串注意的是，他在逻辑结构上一定是连续的，但在物理结构上不一定是连续的.线性表在物理上存储时，通常以数组和链式结构的形式存储那么我们知道，数组在内存中存储也是连续的，并且也是类型一致，那么他与顺序表的区别是什么呢.
哈希查找算法python
12-08
哈希查找算法是一种高效的查找算法，它通过将关键字映射到哈希表中的位置来实现查找。下面是一个简单的Python实现： ```python # 定义哈希表类 class HashTable: def __init__(self): self.size = 11 self.slots = [None] * self.size self.data = [None] * self.size # 哈希函数 def hashfunction(self, key, size): return key % size # 插入数据 def put(self, key, data): hashvalue = self.hashfunction(key, len(self.slots)) if self.slots[hashvalue] == None: self.slots[hashvalue] = key self.data[hashvalue] = data else: if self.slots[hashvalue] == key: self.data[hashvalue] = data # 更新数据 else: nextslot = self.rehash(hashvalue, len(self.slots)) while self.slots[nextslot] != None and self.slots[nextslot] != key: nextslot = self.rehash(nextslot, len(self.slots)) if self.slots[nextslot] == None: self.slots[nextslot] = key self.data[nextslot] = data else: self.data[nextslot] = data # 更新数据 # 查找数据 def get(self, key): startslot = self.hashfunction(key, len(self.slots)) data = None stop = False found = False position = startslot while self.slots[position] != None and not found and not stop: if self.slots[position] == key: found = True data = self.data[position] else: position = self.rehash(position, len(self.slots)) if position == startslot: stop = True return data # 重新哈希 def rehash(self, oldhash, size): return (oldhash + 1) % size ``` 上述代码中，我们定义了一个哈希表类`HashTable`，并实现了哈希函数`hashfunction`、插入数据方法`put`、查找数据方法`get`和重新哈希方法`rehash`。我们可以通过以下代码来测试这个哈希表类： ```python H = HashTable() H.put(54, "cat") H.put(26, "dog") H.put(93, "lion") H.put(17, "tiger") H.put(77, "bird") H.put(31, "cow") H.put(44, "goat") H.put(55, "pig") H.put(20, "chicken") print(H.slots) print(H.data) print(H.get(20)) ``` 输出结果为： ``` [77, 44, 55, 20, 26, 93, None, None, 17, None, 31] ['bird', 'goat', 'pig', 'chicken', 'dog', 'lion', None, None, 'tiger', None, 'cow'] chicken ```

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值