python最有用的数据类型之一为“字典”,其是一种可以保存key-data键值对的数据类型。这种键值关联的无序集合称为“映射Map”
映射特点:(1)关键码具有唯一性; (2) 通过关键码可以唯一确定一个数据值。
映射支持以下操作:
- Map()创建一个空的映射,它返回一个空的映射集合。
- put(key, val)往映射中加入一个新的键-值对。如果键已经存在,就用新值替换旧值。
- get(key)返回key对应的值。如果可以不存在,则返回None。
- del 通过del map[key]这样的语句从映射中删除键-值对。
- len()返回映射中存储的键-值对的数目。
- in通过key in map这样的语句,在键存在时返回True,否则返回False。
注意:字典的一大优势是,给定一个键能很快地找到其关联的值。为了提高搜索效率,可以使用散列搜索算法,其时间复杂度可以达到O(1)。
映射的python实现:
## 映射数据类型的实现
# 使用两个列表创建Hashtable类
class HashTable:
def __init__(self):# HashTable类的构造方法
self.size = 11# 散列表的初始大小设置为素数,可以尽可能提高冲突处理算法的效率
self.slots = [None] * self.size# 设置一个名为slots的列表,用来存储键,并初始化为None
self.data = [None] * self.size# 设置一个名为data的列表,用来存储值,并初始化为None
#实现一个名为hashfunction的散列函数,要存储或查找的键对散列表的大小进行取余运算。
def hashfunction(self, key, size):
return key % size
def rehash(self, oldhash, size):
return (oldhash+1) % size# oldhash为hashfunction()返回的值,但由于该位置上已经有了键,所以发生了冲突,需要使用rehash确定下一个位置
#3.实现put函数,首先使用hashfunction函数计算初始的散列值,
# 如果对应的位置上已有元素,就循环运行rehash函数,直到遇见一个空槽。如果槽中已有这个键,就用新值替换旧值。
def put(self, key, data):
hashvalue = self.hashfunction(key, len(self.slots))# 计算散列值,即key所对应的槽位
if self.slots[hashvalue] == None:# 如果该槽位为空,则在该位置添加键-值对
self.slots[hashvalue] = key
self.data[hashvalue] = data
else:
if self.slots[hashvalue] == key: # 如果键已经存在
self.data[hashvalue] = data # 用新值替换旧值
else: # 该槽位被其他键占用了,计算下一个散列值nextslot
nextslot = self.rehash(hashvalue, len(self.slots))
# 循环运行rehash直到遇见一个空槽,或发现键已经存在
while self.slots[nextslot] != None and \
self.slots[nextslot] != key:
nextslot = self.rehash(nextslot, len(self.slots))
if self.slots[nextslot] == None: # 找到一个空槽位
self.slots[nextslot] = key
self.data[nextslot] = data
else: # 键已经存在
self.data[nextslot] = data
# 实现get函数,先计算初始散列值,如果值不在初始散列值对应的槽中,
# 就是用rehash确定下一个位置。如果遇到初始槽,就说明已经检查完所有可能的槽,并且元素必定不存在。
def get(self, key):
startslot = self.hashfunction(key, len(self.slots))
data = None
stop = False# 一旦遇到初始槽,则赋值为True,停止搜索
found = False
position = startslot、
# 如果一开始初始槽就为空,则说明元素必定不存在
while self.slots[position] != None and \
not found and not stop:
if self.slots[position] == key:# 如果找到key
found = True
data = self.data[position]# 取出key所对应的值
else:# 如果上一个position已经被其他键占用,则计算下一个位置
position = self.rehash(position, len(self.slots))
if position == startslot:# 如果遇到初始槽,则搜索失败,元素不存在
stop = True# 停止搜索
return data# 返回data,如果搜素失败,则返回None
# 重载__getitem__和__setitem__, 以通过[]进行访问
def __getitem__(self, key):
return self.get(key)
def __setitem__(self, key, data):
self.put(key, data)
## 测试
H = HashTable()
H[54] = 'cat'
H[26] = 'dog'
H[93] = 'lion'
H[17] = 'tiger'
H[77] = 'bird'
H[31] = 'cow'
H[44] = 'goat'
H[55] = 'pig'
H[20] = 'chicken'
print(H.slots)
print(H.data)
print(H[20])
print(H[17])
H[20] = 'duck'
print(H.data)
print(H[99])
##测试结果:
[77, 44, 55, 20, 26, 93, 17, None, None, 31, 54]
['bird', 'goat', 'pig', 'chicken', 'dog', 'lion', 'tiger', None, None, 'cow', 'cat']
chicken
tiger
['bird', 'goat', 'pig', 'duck', 'dog', 'lion', 'tiger', None, None, 'cow', 'cat']
None
算法分析:
散列在最好的情况下,可以提供常数级别O(1)的时间复杂度的查找性能。但可能存在散列冲突,查找次数可能就没那么简单。
评估算列冲突的重要信息就是负载因子λ,其值较小,冲突的几率就小,较大是散列表填充较满,冲突就会越来越多。
关于散列冲突的计算,较为复杂,同时也是一个研究课题。限于篇幅,此处不做过多介绍。