《算法图解》总结第 5 章：散列表

仅用于记录学习，欢迎批评指正，大神勿喷

系列文章目录

《算法图解》总结第 1 章：二分查找、大O表示法；
《算法图解》总结第 2 章：数组和链表，选择排序；
《算法图解》总结第 3 章：while循环、递归、栈；
《算法图解》总结第 4 章：分而治之、快速排序；
《算法图解》总结第 5 章：散列表；
《算法图解》总结第 6 章：广度优先搜索；
《算法图解》总结第 7 章：狄克斯特拉算法；
《算法图解》总结第 8 章：贪婪算法
《算法图解》总结第 9 章：动态规划
《算法图解》总结第 10 章：K最近邻算法
《算法图解》总结第 11 章：十种算法简介

---

---

散列表

---

散列表也被称为散列映射、映射、字典和关联数组。散列表是使用散列函数和数组共同创建的一种数据结构，可以使用散列函数来确定元素的存储位置。
散列函数需要满足两个要求：
（1）输入输出必须是一致的。
（2）散列函数应将不同的输入映射到不同的数字。
散列函数能准确指出元素的存储位置，原因有三：
（1）散列函数总是将同样的输入映射到相同的索引；
（2）散列函数将不同的输入映射到不同的索引；
（3）散列函数知道数组有多大，只返回有效的索引。

---

一、创建散列表

算法实现：Python

# 使用dict()函数创建散列表或者令book={},{}是字典专用符号
book = dict()
# 添加元素
book["apple"]=0.67
book["milk"]=1.49
book["avocado"]=1.49
# 输出散列表
print(book)

输出结果：

{'apple': 0.67, 'milk': 1.49, 'avocado': 1.49}

二、应用案例

1.将散列表用于查找

算法实现：Python

# 使用dict()函数创建散列表或者令book={},{}是字典专用符号
book = dict()
# 添加元素
book["apple"]=0.67
book["milk"]=1.49
book["avocado"]=1.49
# 输出散列表
print(book)
#  查询苹果价格
print(book["apple"])

输出结果：

{'apple': 0.67, 'milk': 1.49, 'avocado': 1.49}
0.67

2.防止重复

假设投票站限每人只能投一票 ，为避免重复，当有人来投票，将询问他的全名，与已投票名单做对比，若名字出现在名单中，说明已投票，不允许再投，否则允许其投票，并将其名单加入已投票名单中。

算法实现：Python

voted = {}
def check_voter(name):
    # 与已投票者名单做对比
    # 能得到名字，拒之门外
    if voted.get(name):
        print "kick them out!"
    # 得不到名字，将其名字加入名单，让其投票
    else:
        voted[name] = True
        print "let them vote!"

测试用例：

check_voter("tom")
check_voter("milk")
check_voter("tom")

输出结果：

let them vote!
let them vote!
kick them out!

3.缓存/记住数据

假设在网站工作，可对网页进行缓存（如使用Google搜索时，首页有之前使用过的一些网页），缓存是一种常用的加速方式，所有大型网站都使用缓存，而缓存的数据则存储在散列表里。

# 散列表用于缓存网页数据
cache = {}
def get_data(url):
    # 若缓存有数据，直接返回数据
    if cache.get(url):
        return cache[url]
    # 若没有缓存过，查找数据，缓存数据，返回数据
    else:
        data = get_data_from_serever(url)
        cache[url]=data
        return data   

---

三、冲突

之前我们学到的是散列函数总是将不同的键映射到数组的不同位置，实际上，几乎不可能编写出这样的散列函数，有时会给两个键分配的位置相同，这种情况被称为冲突，处理冲突的方式：如果两个键映射到同一个位置，就在这个位置存储一个链表。
经验教训：
散列函数很重要：需要将键均匀地映射到列表的不同位置。
若散列表存储的链表很长，散列表的速度将会急速下降：若使用的散列函数很好，链表就不会长。
各种编程语言都提供了散列表实现，性能良好。