哈希表

哈希表

在之前实现的数据结构中，查找一个数据在顺序表中的时间复杂度为O(n)，平衡二叉树时间复杂度比较低为O(logn)。但是理想状态下的数据的查询为O(1)，有没有数据结构能够实现？

从标题就知道哈希表能够实现目标，今天要介绍的数据结构是哈希表，但是在介绍之前，先介绍哈希。

哈希是把任意长度的输入（又叫做预映射pre-image）通过散列算法变换成固定长度的输出，该输出就是散列值。通过映射的方式将数据存在表中，取出数据，只要找到映射的表中的位置就能实现时间复杂度为O(1)的数据查询。

看完上面的说法读者可能没有明白，下面用一个例子来说明哈希的思想

例子

在大小为 2N 的数组 A 中有 N+1 个不同的元素，其中有一个元素重复了 N 次。返回重复了 N 次的那个元素。

题目还是很容易理解的，看完题目后，我们尝试用哈希的思想解这道题。

class Solution {
public:
    int repeatedNTimes(vector<int>& A) {
       vector<int> a;//用vector记录出现的次数
        a.resize(100);
        for(int i=0;i<A.size();i++)
        {
            a[A[i]] +=1 ;//A[i]为数据的键值
        } 
        
        for(int i=0;i<a.size();i++)
        {
            
            if(a[i] == A.size()/2)
                return i;
        }
        return -1;
    }
};

对照代码，我们实现了哈希映射的思想，每一个元素的值都对应表中的地址，出现一次在表中地址++,最后遍历表，找出符合条件的元素。

哈希的构建方法

在上面的例子中我们已经了解了哈希的思想，但是上面的方法有一个很大的缺点，假设有两个数字，1，10000传入哈希表中做映射，难道要开10000个空间，中间的空间都浪费
例子使用的方法叫做直接定制法，直接开辟足够的空间进行映射， 优点：简单、均匀 缺点：需要事先 知道关键字的分布情况。
针对直接定制法的不足，又引申出了除留余数法，思想如下。

首先开辟5个单位大小的表，传入数据[1,52],将1对应的地址的值+1，针对52首先将52与5做余运算，得到的结果作为表中的地址储存。
算上直接定制法，一共有6种方法分别是：

• 直接定制法–(常用)

取关键字的某个线性函数为散列地址：Hash（Key）= A*Key + B 优点：简单、均匀 缺点：需要事先 知道关键字的分布情况 使用场景：适合查找比较小且连续的情况

• 除留余数法-–(常用)

设散列表中允许的地址数为m，取一个不大于m，但最接近或者等于m的质数p作为除数，按照哈希函 数：Hash(key) = key% p(p<=m),将关键码转换成哈希地址 (常用)

• 平方取中法--(了解)

假设关键字为1234，对它平方就是1522756，抽取中间的3位227作为哈希地址； 再比如关键字为 4321，对它平方就是18671041，抽取中间的3位671(或710)作为哈希地址 平方取中法比较适合：不知 道关键字的分布，而位数又不是很大的情况

• 折叠法–(了解)

折叠法是将关键字从左到右分割成位数相等的几部分(最后一部分位数可以短些)，然后将这几部分叠加 求和，并按散列表表长，取后几位作为散列地址

• 随机数法–(了解)

选择一个随机函数，取关键字的随机函数值为它的哈希地址，即H(key) = random(key),其中random为 随机数函数。

• 数学分析法–(了解)

设有n个d位数，每一位可能有r种不同的符号，这r种不同的符号在各位上出现的频率不一定相同，可能 在某些位上分布比较均匀，每种符号出现的机会均等，在某些位上分布不均匀只有某几种符号经常出 现。可根据散列表的大小，选择其中各种符号分布均匀的若干位作为散列地址。例如身份证号码的前几位相同，只把最后几位作为散列地址。

上面的方法除了直接定制法和除留余数法比较常用，其他的作为了解的知识即可。
不要以为讲完上面的知识，哈希表就完了，以除留余数法为例，在刚才的表中假如我们传入了[1,51,251]会怎么样？

1，51，251经过计算后的散列地址相同，这种情况就是我们接下来要讲的哈希冲突

哈希冲突及其解决方法