数据结构与算法分析(五)--散列

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)