数据结构与算法-散列表

散列表

我们前面已经说过数组这个数据结构，他非常的方便，使用连续的内存和下标来操作元素。

但是这难以满足一些其他的需求，比如我们需要将两个对象进行一一对应，没错我们常用的字典就是其中的一种类型。

字典这种结构使用键（key）---值（value）的对应关系，我们可以根据键获得对应的值。

a = {"liu":98,"zhang":99}
a["liu"]

# 98

 

我们可以假设的思考一下该如何实现这种结构。我们首先来思考最简单的方法，使用两个数组一一对应，每次输入一个键的时候则找到对应的位置，并获取另一个数组中同位置的元素，大概意思就是下图：

然而效率应该是比较低的，因为我们需要遍历所有元素找到该键对应的值，而且这个方法需要两个数组。我们干脆使用一个数组，每个元素存储字典的一对键和值。

虽然数组变为一个了，但是元素的查找还是很费劲，需要一一遍历。我们知道数组可以使用下标访问，那么我们能不能把问题继续转化一下。我们知道所有数据在计算机中都是数字，可以被用来计算。那么，我们是不是也可以将键转换为数字，将得到的数字作为下标呢？

然而一个不可避免的问题就是，尽管字典要求是键不能相同，但是总会有那么小的机会使得相同的键的f(键)的数值是一样的。所以我们不能都仅仅依靠f(键)来定位下标，还需要将键也存储起来，除此之外遍历的时候也需要知道每组的键和值不是。所以一个字典的基本样子是这样的：

跟上一个构想不同的是，我们的元素寻找不需要遍历，可以直接根据键计算得出，方便了不少呢。

 

首先，通过函数f将键转换为数字下标，然后将值存储在矩阵对应的下标出，这样我们实现了一个非常有趣的突破：

1. 仅需要一个数组

2  可以根据键直接定位值，复杂度为O(1)

当然我们也看到了这种方法的一些问题：

1. 数组初始化的大小是多少？

2. 不同的键需要得到不同的下标，这样才能安全的使用字典。关键在于我们函数f如何设置，才能合理的将不同的键尽可能的映射为不同的数字下标

 

哈希函数

我们的散列表，又称为哈希（hash）表，进而这个函数被称为哈希函数，使用中通常是H来表示。

hash的英文原意是“混杂”、“拼凑”、“重新表述”的意思，比较符合这个数据结构的含义吧。

哈尔函数的关键在于，不同的键尽可能的对应不用的下标值，通常采用的方法有一下几种：

• 直接定址法

例如：每日的订单，由于编号不重复，哈希函数可以取关键字自身的后几位部分。

 

• 除留余数法

当数字值过大时，我们也可以尝试取关键字的除法余数作为哈希值

H(key)=key MOD p (p<=m)  

其中数组长度为m p为小于m的数字，这样的得到的余数一定在m范围内

 

• 数字分析法

数学分析法的关键在于，分析数据中相同和不同的部分，在截取数据作为哈希值时要避免重复出现概率高的部分，使用较低的部分作为哈希值。

举个例子，学校的所有学生的编号为：入学年号+生日+班级+班级序号

2001-19951103-07-52

2005-19971012-14-12

这其中如果只能取四位作为哈希值，我想大家也会适当的抉择一下，哪些留下来是比较好的

• 平方取中法

取关键字平方后的中间几位为哈希地址。

• 折叠法

将关键字分割成位数相同的几部分（最后一部分的位数可以不同），然后取这几部分的叠加和（舍去进位）作为哈希地址，这方法称为折叠法。

例如：每一种西文图书都有一个国际标准图书编号，它是一个10位的十进制数字，若要以它作关键字建立一个哈希表，当馆藏书种类不到10,000时，可采用此法构造一个四位数的哈希函数。

• 随机数法

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为随机函数。通常用于关键字长度不等时采用此法。

 

Python中的字典

首先是一个小的总结，（字典对象的核心是散列表。散列表是一个稀疏数组（总是有空白元素的数组，因为会自动扩容，不会让很多元素都被占用），数组的每个单元叫做 bucket。每个 bucket 有两部分：一个是键对象的引用，一个是值对象的引用。所有 bucket 结构和大小一致，我们可以通过偏移量来读取指定 bucket。当数组大小被占用到一定程度时，就会自动扩容，并将所有的数据复制到新的数组中）

我们仅简单的说了说概念，现在来看一下实际的字典是什么样的，我们还和数组做了比对

我们的a是一个字典，存储的是键值对，说明存储中键和值都是一起存储的。而b是一个列表，仅是由下标来标识的。然而上文说过，散列表说不定就会发生不同键得到同一个数值，导致冲突问题。为应对这个问题，提出了好几个比较有成效的方法，具体的会在下一篇会在讲解。