排序与查找--散列和冲突解决方案（python）

1.散列

概念：散列表（Hashing）又叫哈希表。查找算法复杂度为O(1)，常数级别。

查找快的原因：因为事先知道数据项在数据集的什么位置，直接到那个位置去看看数据是否存在即可。

散列表（哈希表）：

• 散列表是一种数据集。
• 散列表中的每一个存储位置，称为槽（ slot），可以用来保存数据项，每个槽有一个唯一的名称(槽号)。

例如：如下图所示，一个包含11个槽的散列表，槽的名称分别为0~10。在插入数据项之前，每个槽的值都是None，表示空槽。

散列函数（hash function）：数据项关于槽号的函数，比如y=2x,一样，数据项=2×槽号，数据项为2时，槽号为1。

有一种常用的散列方法是"求余数"，将数据项除以散列表的大小，得到的余数作为槽号。

例如：将数据项：94，26，93，17，77，31保存到散列表中，请设计一个散列函数，数据项为参数，返回整数0~10，作为槽的名称。

答：h(item)=item%11，item为数据项，item%11为槽号

要查找数据项是否在表中，只需要用散列函数根据数据项计算出槽号，然后查找槽号里有没有数据项即可。

可能有两个数据项计算出来放在同一个槽中，这叫做冲突，冲突怎么解决呢？一会儿再看。

2.完美散列函数

概念：给定一组数据项，如果一个散列函数能把每个数据项映射到不同的槽中，那么这个散列函数就可以称为"完美散列函数′

获得完美散列函数的一种方法：扩大散列表容量，大到所有可能出现的数据项都能占据不同的槽。

好的散列函数的特性：

• 冲突最少（近似完美）
• 计算难度低（额外开销少）
• 充分分散数据项（节约空间）

python自带的散列函数库：hashlib:

update（）可对任意长数据部分计算

3.散列函数设计

3.1折叠法

基本步骤：
例如：

对电话号码62767255，
将数据项按照位数分为若干段，
可以两位两位分为4段（62、76、72、55）
再将几段数字相加，
得到散列值相加（62+76+72+55=265）
最后对散列表大小求余，
散列表包括11个槽，那么就是265%11=1所以
h（62767255）=1

隔数反转：(微调)
（62，76，72，56）隔数反转为（62，67，72， 65）

3.2平方取中法

例如，

首先将数据项做平方运算，
对44进行散列首先44*44=1936
然后取平方数的中间两位，
然后取中间的93
再对散列表的大小求余
对散列表大小11求余，93%11=5

3.3非数字项

如下图，ord函数把字符串中每个字符转为ASCII码（ord(“c”=99)），再将整数累加，对散列表大小求余。

代码：

变位词：abc 和 bac

如何防止所有变位词返回同一个槽？
如下图，字符串所在位置乘以ord值再相加求余。

4.冲突解决方案

冲突：两个数据项被散列映射到一个槽里

4.1线性探测

解决方法：寻找空槽（开放定址），逐个槽寻找（线性探测）

聚集：线性探测法的一个缺点是有聚集 clustering）的趋势
即如果同一个槽冲突的数据项较多的话，这些数据项就会在槽附近聚集起来。从而连锁式影响其它数据项的插入。

解决方法：再散列，即不是逐个槽寻找，可以空3个槽寻找。叫做跳跃式探测。

跳跃式探测的再散列通式是∶rehash（pos）=(pos+skip)% sizeoftable

skip取值不能被散列表大小整除，否则会产生周期，让很多空槽永远无法被探测到。（可把散列表大小设为素数）

4.2数据项链