12.散列表(上)

1.概念

​ 散列表用的是数组支持按照下标随机访问的特性，所以散列表其实就是数组的一种扩展，由数组演化而来

​ key: key.

​ 散列函数(hash函数)：把key转化为hash值的函数

​ 散列值(hash值)：数组的下标.

hash = hash_function(key)

​ 对hash函数的基本要求:

• 散列函数计算得到的散列值是一个非负数整数：对于数组的下标，从0开始

• 如果 key1 == key2 那么 hash(key1) == hash(key2)

• 如果 key1 != key2 那么 hash(key1) != hash(key2)

  对于第三点，其实无法完全避免，满足这一点的hash函数几乎不存在。当 key1 != key2时， hash(key1) 有可能等于 hash(key2), 尤其当数组的空间有限，这中可能性就更大。这种情况较 hash冲突。

再好的hash函数也无法避免hash冲突的问题。解决hash冲突有两个思路：

• 开放寻址法(Open addressing)
• 链表法(chaining)

2.实现

2.1 开放寻址法

​ 核心思路：如果出现了散列冲突，就重新探测一个空闲的位置，将其插入。如何重新探寻新的位置？一个比较简单的探测方法，线性探测：如果某个数据经过散列之后，存储位置已经被占用了，就从当前位置开始，依次往后查找，直达找到空闲位置为止。

​ 上图中，橙色表示 已经有元素，黄色表示该位置空闲。hash之后，得到位置为7。此时7已经有元素，因此顺序往下，8，9都有元素，从头开始，0，1，直至找到x.

• 插入

  按之前线性探方法直至找到空闲位置。时间复杂度为：
  最好：下一个元素有空位 O(1)
  最坏：上一个相邻位置才有空位，需要遍历n-1次 -> O(n)
  平均：(1+2+3+。。。+n-1)/(n-1) = n/2 -> O(n)
  

• 删除

  如果直接把找到的元素置空，则有问题，因为无法知道是否真正删除了元素。可以把这个元素标记为为"deleted"状态。当遍历至这个元素时，如果key一样，状态已经标记为deleted，则说明已经删除。如果无找不到，则须一次遍历查找,然后删除
  

• 查询

  先通过hash查找，O(1). 如果找到hash(key)，比较key,如果key一只，则结束。如果key不一致，则通过线性查找，直至找到，平均为O(n)。如果该位置空闲，则说明不在数组中。
  

  其他开放寻址方法：

  • 二次探测

    步长不为1，而是为原来2次方，即：
    hash(key) + 0, hash(key)+1, hash(key)+2, ... 
        变为
    hash(key) + 2^0, hash(key)+2^1, hash(key)+2^2, ... 
    

  • 双重散列

    使用一组hash函数，而非一个hash函数：{hash1, hash2, hash3, hash4, ...},
    当hash1(key)已经有值，则用hash2(key), 依次类推，直至找到空闲位置.
    

    不管采用哪种探测方法，当散列中空闲位置不多时，散列冲突的概率就会大大提高。为了尽可能保证散列列表的操作效率，一般情况下，我们会尽力可能保证散列中有一定比例的空闲槽位。我们用装载因子(load factor) 来表示空位的多少

    	装载因子 = 填入表中的元素个数 / 散列表的长度
    

    装载因子越大，说明空闲位置越少，冲突越多，散列表的性能会下降。

2.2 链表法

​ 链表法是一种更加常用的散列冲突解决办法，相对开放寻址法，它要简单很多。如下图。在散列中，每个”桶(bucket)“或则”槽(slot)“ 会对应一条链表，hash(key)相同的元素都会放入相同槽位对应的链条中：

时间复杂度：

对于插入和删除，

• 最好： 数组每个位置都直接插入，无需链表，为O(1)
• 最坏：每次hash(key)的值都一样，此时，变成了一条链表，复杂度为O(n)
• 平均：均匀分布，假设有m个桶，则每条链的长度为 n/m, 所有复杂度为 O(k) = O(n/m)