3.31《算法图解》笔记——Chapter 5 Hash Table

算法图解笔记——Chapter 5 Hash Table
Author: Seven Zou
Email: zoushiqi0404@gmail.com
Language: Python2.7

---

5 散列表

回顾：前面几节学到数组、链表和栈(栈不能用于查找)，还学到了简单查找、二分查找查找类算法，其运行时间分别为$O(n)$、$O(logn)$。
假定存在一种以名称为输入，对应数字结果为输出的场景，则针对简单查找有$O(n)$，二分查找有$O(logn)$。
而存在一种运行时间为$O(1)$的查找数据结构，即引入以下概念"散列函数"。

---

5.1 散列函数

如上述场景，散列函数就是将输入映射到数字的一种函数，且需满足一定需求：

• 它必须是一致的。e.g.假设输入apple输出为4，那么每次输入apple时，得到必须是4。
• 它应不同输入映射到不同的数字。

设存在以下数组，且已知每个Value对应的Label。通过散列函数可在输入Label时，通过找到其对应的Index进而获取其对应Value。

Index	0	1	2	3	4
Value	value1	value2	value3	value4	value5

结合使用散列函数和数组创建为散列表(Hash Table)的数据结构，其包含额外逻辑的数据结构。数组和链表都直接映射到内存，而散列表
通过使用散列函数来确定元素的存储位置。
Remark: 散列表适用于模拟映射关系；散列表适用于防止重复。

# -*- coding: utf-8 -*-
book = dict()           # 散列表，在python中为字典，直接调用dict()

book["apple"] = 0.67    # 一个苹果的价格为67美分
book["milk"] = 1.49     # 牛奶的价格为1.49美元
book["avocado"] = 1.49

print book
print book["avocado"]   # 鳄梨的价格

Output: {'avocado': 1.49, 'apple': 0.67, 'milk': 1.49}
         1.49

---

5.2 Case

• Case 1 电话簿
  1.添加联系人及电话号码；2.通过输入联系人就可获取对应号码。

# -*- coding: utf-8 -*-
phone_book = dict()     # 散列表
# phone_book = {}       # 与前面等效
phone_book["jenny"] = 8675309
phone_book["emergency"] = 911

print phone_book["jenny"]

Output: 8675309

• Case 2 投票箱
  防止已投过票的人二次投票，需要检索人名进行确认。

# -*- coding: utf-8 -*-
def check_voter(name):
    if voted.get(name):         # 检查name在表中，返回let them vote!，否则返回kick them out!
        print "kick them out!"
    else:
        voted[name] = True
        print "let them vote!"
        

check_voter("tom")	# tom第一次投票
check_voter("mike")	# mike第一次投票
check_voter("mike")	# mike第二次投票会被拒绝

Output: let them vote!
			 let them vote!
			 kick them out!

• Case 3 作为缓存
  缓存的工作原理在于：网站将数据记住，而不再重新计算。优点在于：1.用户能够更快地看到网站；2.运营商需要做的工作更少。而缓存是一种常用的加速方式，所以大型网站都使用缓存，而缓存的数据则存储在散列表中！一个网站页面不止包含主页，还包含诸多子页。因此，它需要将页面URL映射到页面数据。

# -*- coding: utf-8 -*-
cache = {}


def get_page(url):
    if cache.get(url):
        return cache[url]   # 返回缓存的数据
    else:
        data = get_data_from_server(url)
        cache[url] = data   # 先将数据保存到缓存中
        return data

5.3 冲突与性能

如果在根据Label通过Index寻找对应的Value时，发生了新旧值覆盖问题，那么散列表就发生了冲突。这种情况极有可能发生，主要源于散列函数不能将所以的Label均匀地映射到散列表的不同位置。但也存在Solution，可以在冲突的位置建立一个链表，这样就可以纵向检索，但如果链表过长，会导致速度极大下降。所以选择合适的散列函数是及其重要的，这里就不免提到性能。散列表所有的操作的运行时间都是$O(n)$线性时间。所以为了避免最糟情况(冲突)，较低的填装因子、良好的散列函数是必不可少的。

操作	散列表(平均情况)	散列表(最糟情况)	数组	链表
查找	$O(1)$	$O(n)$	$O(1)$	$O(n)$
插入	$O(1)$	$O(n)$	$O(n)$	$O(1)$
删除	$O(1)$	$O(n)$	$O(n)$	$O(1)$

_Note：_填装因子计算公式如下，其度量的是散列表中有多少位置是空的。(因子超过0.7，就该调整散列表的长度)
$$填装因子=散列表包含的元素数/位置总数$$

---

Reference

[美]Aditya Bhargava/袁国忠, 算法图解, 北京：人民邮电出版社, 2017.3.

---

附个人Github地址: https://github.com/shiqi0404/Algorithm_Diagram，其中包括笔记、Code还有书本pdf版。