哈希表P55-P76

目录

前言

一、哈希表是什么？

二、哈希表详解

总结

---

---

前言

提示：这里可以添加本文要记录的大概内容：
例如：哈希表是一种非常重要的数据结构。

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、哈希表是什么？

哈希表通常是基于数组实现的，但它又有很多自己的优点与不足。

数组的优缺点：

1. 数组进行插入操作时，效率比较低
2. 数组进行查找/删除时：
   1. 如果是基于索引查找效率非常高
   2. 如果基于内容查找则效率很低

哈希表：

        

哈希函数：

        

 

二、哈希表详解

字符编码： 

• Ebcdic
• ASCII 
• ISO-8859-1
• GBxxxx  ：GB2312、GBK、GB18030
• Unicode：UTF-32、UTF-16、UTF-8

哈希化：将大数字转化成数组范围内下标的过程，称之为哈希化。

哈希函数：通常我们会将单词转成大数字，大数字在进行哈希化的代码实现放在一个函数中，这个函数称为哈希函数。

哈希表：最终将数据插入到的这个数组，对整个结构的封装，称之为是一个哈希表。

冲突：哈希化后的下标值重复问题

解决冲突的办法：

• 链地址法
• 开放地址法

链地址法（拉链法）：每个数组单元中存储的不再是单个数据，而是一个数组或者链表（两者均可，因为二者查找的效率差不多，根据业务x）

        

开放地址法：寻找空白的单元格来添加重复的数据。

        

开放地址法中探索位置（寻找空白位置）的方式不同，有三种方法：

• 线性探测
• 二次探测
• 再哈希法

线性探测：

•         插入：从index位置+1开始一点点查找合适的位置，空的位置就是合适的位置。
•         查询  ：     从index位置+1开始查找和target一样的数据 ，在查询过程中有一个约定：查询到空位置则停止。
•         删除：删除操作一个数据项时，不可以将这个位置下标的内容设置为null，因为设置为null可能会影响后面的查询其他操作，通常删除一个位置的数据项时，可以将它进行特殊处理（比如设置为-1），当看到-1位置的数据项时，就知道查询时要继续查询，但是插入时这个位置可以放置数据。

      线性探测的问题：

                聚集：这种一连串填充单元。

                聚集会影响哈希表的性能，无论是插入/查询/删除都会影响。

二次探测：二次探测优化的是探测时的步长，比如从下标值x开始，x+1的2次方，x+2的2次方，x+3的2次方……这样就可以一次性探测比较长的位置，避免聚集带来的问题。

        但是会带来步长不一的聚集。

再哈希法：为了消除线性探测和二次探测中无论步长+1还是步长+平法中存在的问题。

        二次探测的算法产生的探测步长是固定的1，4，9，16，以此类推。

        现在需要一种方法：产生一种依赖关键字的探测序列，而不是每个关键字都一样。

        那么，不同的关键字即使映射到相同的数组下标，也可以使用不同的探测序列。

        再哈希法的做法就是：把关键字用另外一个哈希函数，再做一次哈希化，用这次哈希化的结果作为步长。

        对于指定的关键字，步长在整个探测中是不变的，不过不同的关键字使用不同的步长。

第二次哈希化需要具备的特点：

• 和第一个哈希函数不同
• 不能输出为0

哈希化的效率：

        

 通常认为二次探测和再哈希化性能差不多，比线性探测性能好一点。

链地址法相对来说效率是好于开放地址法的。

哈希函数：

        提高速度的办法：在哈希函数中尽量少用乘法和除法。

好的哈希函数的优点：

•         快速的计算
•         均匀的分布

多项式的优化算法：霍纳法则-秦九韶算法

        

时间复杂度：O

均匀分布：在使用常量的地方，尽量使用质数。

质数的使用：

•         哈希表的长度（哈希表的哈希表的长度尽量为质数：判断质数，如果是则使用，如果不是则num++，直到质数为止。）
•         N次幂的底数

哈希表的扩容思想：

        

         

 扩容+缩容

---

总结

提示：这里对文章进行总结：
例如：以上就是今天要讲的内容，本文仅仅简单介绍了哈希表。