数据结构基础笔记(9)哈希表

哈希表：如何利用好高效率查找的利器
1.什么是哈希表？
哈希表名字源于Hash，也叫做散列表
哈希表是一种特殊的数据结构
它与数组、链表以及树等数据结构相比，有很明显的区别。
2哈希表的核心思想
数据的存储位置和数据的具体数值之间不存在任何关系
在面对查找问题时，这些数据结构必须采用逐一比较的方法去实现
哈希表的设计采用了函数映射的思想，将记录的存储位置与记录的关键字关联起来
这样的设计方式，能够快速定位到想要查找的记录
而且不需要与表中存在的记录的关键字比较后再来进行查找
数组使用过数据的索引来取出数值的。通过这样的方式，数组实现了"地址=f(index)“的映射关系
如果用哈希表的逻辑来理解，这里的f()就是一个哈希函数
他完成了索引值到实际地址的映射，这让数组可以快速完成基于索引值的查找
数组的局限性在于，只能基于数据的索引去查找，而不能基于数据的数值去查找
哈希表需要设计合理的哈希函数并对冲突有一定的机制。
3.如何设计哈希函数
1.直接定制法：
哈希函数为关键字到地址的线性函数。
2.数字分析法
假设关键字集合的每个关键字key都是由s位数字组成(k1,k2,…ks)
并从中提取分布均匀的若干位组成哈希地址
3.平方取中法
如果关键字的每一位都有某些数字重复出现，并且频率很高
可以先求关键字的平方值，通过平方扩大差异，然后取中间几位作为最终存储地址
4.折叠法
如果关键字的位数很多，可以将关键字分割为几个等长的部分
取它们的叠加和的值（舍去进位）作为哈希地址
5.除留余数法
预先设置一个数p，然后对关键字进行取余运算。即地址为key mod p
4如何解决哈希冲突
1.开放地址法：
当一个关键字和另一个关键字发生冲突时，使用某种探测技术在哈希表中形成一个探测序列，然后沿着这个探测序列依次查找下去，当碰到一个空的单元时，则插入其中，常用的探测方法是线性探测法
2.链地址法：
将哈希地址相同的记录存储在一张线性链表中。
5哈希表的优劣
优势
它可以提供非常快速的插入-删除-查找操作，无论多少数据，插入和删除值需要接近常量的时间
在查找方面，哈希表的速度比树还要快，基本可以瞬间查找到想要的元素
不足
哈希表中的数据是没有顺序概念的，所以不能以一种固定的方式（比如从小到大）来遍历其中的元素
哈希表中的key是不允许重复的
6哈希表的基本操作
在很多高级语言中，哈希函数、哈希冲突都已经在底层完成了黑盒化处理，是不需要开发者自己设计的。也就是说，哈希表完成了关键字到地址的映射，可以在常数级时间复杂度内通过关键字查找到数据。
至于实现细节，比如用了哪个哈希函数，用了什么冲突处理，甚至某个数据记录的哈希地址是多少，都是不需要开发者关注的。接下来，我们从实际的开发角度，来看一下哈希表对数据的增删查操作。
哈希表中的增加和删除数据操作，不涉及增删后对数据的挪移问题（数组需要考虑），因此处理就可以了。
哈希表查找的细节过程是：对于给定的 key，通过哈希函数计算哈希地址 H (key)。
如果哈希地址对应的值为空，则查找不成功。
反之，则查找成功。
虽然哈希表查找的细节过程还比较麻烦，但因为一些高级语言的黑盒化处理，开发者并不需要实际去开发底层代码，只要调用相关的函数就可以了。
7哈希表的案例
例 1，将关键字序列 {7, 8, 30, 11, 18, 9, 14} 存储到哈希表中。哈希函数为： H (key) = (key * 3) % 7，处理冲突采用线性探测法。
接下来，我们分析一下建立哈希表和查找关键字的细节过程。
首先，我们尝试建立哈希表，求出这个哈希地址：
H (7) = (7 * 3) % 7 = 0
H (8) = (8 * 3) % 7 = 3
H (30) = 6
H (11) = 5
H (18) = 5
H (9) = 6
H (14) = 0
按关键字序列顺序依次向哈希表中填入，发生冲突后按照“线性探测”探测到第一个空位置填入。
有了这个表之后，我们再来看一下查找的流程：
查找 7。输入 7，计算得到 H (7) = 0，根据哈希表，在 0 的位置，得到结果为 7，跟待匹配的关键字一样，则完成查找。
查找 18。输入 18，计算得到 H (18) = 5，根据哈希表，在 5 的位置，得到结果为 11，跟待匹配的关键字不一样（11 不等于 18）。因此，往后挪移一位，在 6 的位置，得到结果为 30，跟待匹配的关键字不一样（11 不等于 30）。因此，继续往后挪移一位，在 7 的位置，得到结果为 18，跟待匹配的关键字一样，完成查找。
例 2，假设有一个在线系统，可以实时接收用户提交的字符串型关键字，并实时返回给用户累积至今这个关键字被提交的次数。
例如，用户输入"abc”，系统返回 1。用户再输入"jk"，系统返回 1。用户再输入"xyz"，系统返回 1。用户再输入"abc"，系统返回 2。用户再输入"abc"，系统返回 3。
一种解决方法是，用一个数组保存用户提交过的所有关键字。当接收到一个新的关键字后，插入到数组中，并且统计这个关键字出现的次数。
根据数组的知识可以计算出，插入到最后的动作，时间复杂度是 O(1)。但统计出现次数必须要全部数据遍历一遍，时间复杂度是 O(n)。随着数据越来越多，这个在线系统的处理时间将会越来越长。显然，这不是一个好的方法。
如果采用哈希表，则可以利用哈希表新增、查找的常数级时间复杂度，在 O(1) 时间复杂度内完成响应。预先定义好哈希表后（可以采用 Map < String, Integer > d = new HashMap <> (); ）对于关键字（用变量 key_str 保存），判断 d 中是否存在 key_str 的记录。
如果存在，则把它对应的value（用来记录出现的频次）加 1；
如果不存在，则把它添加到 d 中，对应的 value 赋值为 1。最后，打印处 key_str 对应的 value，即累积出现的频次。

if (d.containsKey(key_str) {

    d.put(key_str, d.get(key_str) + 1);

}

else{

    d.put(key_str, 1);

}

System.out.println(d.get(key_str));