20220530数据结构绿皮书读书笔记

个人博客
https://blog.hylstudio.cn/archives/964

20220530数据结构绿皮书读书笔记

9 表格和信息检索

9.1 简介

第七章我们证明过，仅仅使用比较的方式从n个元素中搜索1个元素，不可能小于lgn次的比较次数

事实上我们通常这么做，如果有500个不同的记录，每个的索引分别是0-499，我们可以使用这个索引快速的定位

基于表的不同形状，获取一个记录的动作是不一样的，但是最低可以是O(1)，所需的时间不随着表的增大而增加

9.2 矩形表格

行优先表、列优先表。大部分编译器都使用行优先存储，假如行标是1、2，列标是5、6、7，基于行优先的存储就是15\16\17\25\26\27，基于列优先的存储就是15\25\16\26\17\27

这种存储的定位算法（index function）就是简单的线性函数，ni+j即可。如果从0开始或从1开始就+1或者-1

9.3 其他异形表格

9.3.1 三角表

可以使用额外的一个数组(Access table)记录每行或者每列的offset，其余位置都是0，或者没值

9.3.2 参差不齐锯齿状表格

三角形退化一点就是参差不齐的表格

9.3.3 倒排表

考虑到实际情况，比如电话本，需要同时按姓名、地址、电话查找，在这种情况下就需要倒排表。通过排好序的access table可以很快的定位原始数据，注意，access table里不会含有原始数据，只有下标，就像字典或者其他任何书的目录一样

Index Name Address Phone
1 Hill, Thomas M. High Towers #317 2829478
2 Baker, John S. 17 King Street 2884285
3 Roberts, L. B. 53 Ash Street 4372296
4 King, Barbara High Towers #802 2863386
5 Hill, Thomas M. 39 King Street 2495723
6 Byers, Carolyn 118 Maple Street 4394231
7 Moody, C. L. High Towers #210 2822214

Access Array
Name Address Phone
235
677
111
544
422
753
366

9.4 表格

新的抽象数据类型
一个table由以下部分组成：
1.索引的集合I
2.基础类型T
3.一个从I到T的函数映射
4.Table读取：评估任意I中index元素的操作
5.Table写入：修改任意I中index元素位置的值

注意区分table和array的概念区别，一个是抽象数据类型，一个是具体实现table或者顺序表的语言特性

9.5 应用，基数排序

radix sort又称桶排
不废话直接上代码
https://github.com/956237586/DataStructure-C/blob/master/DataStructure-C/BucketSortBug%20V1.0.c
https://github.com/956237586/DataStructure-C/blob/master/DataStructure-C/BucketSortBug%20V1.1.c
https://github.com/956237586/DataStructure-C/blob/master/DataStructure-C/BucketSortBug%20V1.2.c

9.6 哈希

当table的key不再是一个index的情况下，如何把key和index一一关联？
hash table允许我们把很多不同分布的key映射到我们想要的分布上
哈希函数可以把一个key映射到数组的某个索引上，另外我们需要一些方法来解决映射结果相同，也就是碰撞

1.寻找好的hash函数
便于快速运算，结果有着良好的均匀分布
如果我们事先精确知道key如何分布，那就有可能构造一个足够高效的哈希函数，但实际上不可能。因此通常的方法是把key的一部分信息混合其他的方式来生成均匀分布的函数。注意：这里没有任何随机成分，如果相同的key多次执行hash函数，结果应当是一致的，否则将无法从表中再取出数据

常用套路1：truncation，忽略部分key，举个例子一个8位整数需要映射到1000个位置，直接使用其中3位数字即可，剩余的丢弃。这种方式生成的分布取决于key原始的分布，并不是非常均匀
常用套路2：folding，折叠，举个例子，21296876->212+968+76->1256，折叠通常会比truncation有效
常用套路3：modular，取模，n % x 的结果服从 0 ~ x - 1的分布
这里需要提下概率论与梳理统计hhhh但愿你们还记得，反正我记得的不多了

2.决定如何处理碰撞
常用套路1：线性探测，如果第一个位置不可用，则依照预定义的函数尝试下一个位置
常用套路2：聚簇，把多个碰撞的元素放到同一个位置直接存下来，例如拉链法
常用套路3：再哈希，把结果再过一次hash函数
常用套路4：二次探测，如果第一个位置h不可用，则尝试h+i^2的位置，h+1\h+4+h+9
常用套路5：key独立的增长，基于发生碰撞的key的自身数据决定下一个探测的位置
常用套路6：猴子探测（随机）

一般都会说因为泊松分布，所以loadfactor设置的0.75，但这么说一般能应付面试。如果深挖泊松分布的原理，其实是还挺不好解释的
下面的文章仅供参考
https://zhuanlan.zhihu.com/p/395174872
https://zhuanlan.zhihu.com/p/396019103
https://blog.csdn.net/weixin_43883685/article/details/109809049

9.9 应用：Life模拟

因为Life开局就是稀疏矩阵，大部分概率下也就是稀疏矩阵了，因此可以考虑使用压缩存储的办法进行处理

明天继续二叉树
mark 目前是429页 ，pdf是446页