本系列为《Python数据结构与算法分析》第二版学习笔记,作者:布拉德利.米勒;戴维.拉努姆。
1、散列
散列表是元素的集合,其中的元素以一种便于查找的方式存储。散列表中的每个位置通常被称为槽。
散列函数将散列表中的元素与其所属位置对应起来。槽的占用率被称作载荷因子,载荷因子 = 元素个数 / 散列表大小。
在散列函数确定元素位置的时候,有时候它会将两个元素放入同一个槽,这种情况被称作冲突,也叫碰撞。
给定一个元素集合,能将每个元素映射到不同的槽,这种散列函数被称作完美散列函数。如果元素已知,并且集合不变,那么构造完美散列函数是可能的。不幸的是,给定任意一个元素集合,没有系统化方法来保证散列函数是完美的,所幸,不完美的散列函数也能有不错的性能。
通常来说,我们创建散列函数的目标是:冲突数最少,计算方便,元素均匀分布于散列表中。通常有以下几类方法:折叠法、平方取中法等。
2、处理冲突
当两个元素被分到同一个槽中时,必须通过一种系统化方法在散列表中安置第二个元素,这个过程被称为处理冲突。
一种方法是在散列表中找到另一个空槽,用于放置引起冲突的元素。简单的做法是从起初的散列值开始,顺序遍历散列表,直到找到一个空槽。为了遍历散列表可能需要往回检查第一个槽。这个过程被称为开放定址法或叫线性探测。
线性探测有个缺点,那就是会使散列表中的元素出现聚集现象,也就是说,如果一个槽发生太多冲突,线性探测会填满其附近的槽,而这会影响到后后续插入的元素。
3、实现映射抽象数据类型
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,就用新值替代旧值。
- get(key)返回key对应的值,如果key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。
HashTable类的构造方法:
class HashTable:
def __init__(self):
self.size = 11
self.slots = [None] * self.size
self.data = [None] * self.size
使用两个列表创建HashTable类,以此实现映射抽象数据类型。其中名为slots的列表用于存储键,名为data的列表用于存储值。
两个列表中的值一一对应,列表大小尽量选用一个素数,这样可以提高冲突处理的效率。
put函数
def put(self, key, data):
hashvalue = self.hashfunction(key, len(self.slots))
if self.slots[hashvalue] is None:
self.slots[hashvalue] = key
self.data[hashvalue] = data
else:
if self.slots[hashvalue] == key:
self.data[hashvalue] = data # 替换
else:
nextslot = self.rehash(hashvalue, len(self.slots))
while self.slots[nextslot] is not None and self.slots[nextslot] is not key:
nextslot = self.rehash(nextslot, len(self.slots))
if self.slots[nextslot] is None:
self.slots[nextslot] = key
self.data[nextslot] = data
else:
self.data[nextslot] = data # 替换
def hashfunction(self, key, size):
return key % size
def rehash(self, oldhash, size):
return (oldhash + 1) % size # +1是为了防止超出范围
get函数
def get(self, key):
startslot = self.hashfunction(key, len(self.slots))
data = None
stop = False
found = False
position = startslot
while self.slots[position] is not None and not found and not stop:
if self.slots[position] is key:
found = True
data = self.data[position]
else:
position = self.rehash(position, len(self.slots))
if position is startslot:
stop = True
return data
def __getitem__(self, key):
return self.get(key)
def __setitem__(self, key, data):
self.put(key, data)