python的hashmap_使用python实现哈希表、字典、集合操作

哈希表

哈希表(Hash Table, 又称为散列表)，是一种线性表的存储结构。哈希表由一个直接寻址表和一个哈希函数组成。哈希函数h(k)将元素关键字k作为自变量，返回元素的存储下标。

简单哈希函数：

除法哈希：h(k) = k mod m乘法哈希：h(k) = floor(m(kA mod 1)) 0

假设有一个长度为7的数组，哈希函数h(k) = k mod 7,元素集合{14, 22, 3, 5}的存储方式如下图：

哈希冲突

由于哈希表的大小是有限的，而要存储的值的总数量是无限的，因此对于任何哈希函数，都会出现两个不同的元素映射到同一个位置上的情况，这种情况叫做哈希冲突。

比如：h(k) = k mod 7, h(0) = h(7) = h(14) = ...

解决哈希冲突--开放寻址法

开放寻址法：如果哈希函数返回的位置已经有值，则可以向后探查新的位置来存储这个值

线性探查：如果位置i被占用，则探查i+1, i+2,...二次探查：如果位置i被占用，则探查i+12, i-12, i+22, i-22,...二度哈希：有n个哈希函数，当使用第一个哈希函数h1发生冲突时，则尝试使用h2, h3,...

解决哈希冲突--拉链法

拉链法：哈希表每一个位置都连接一个链表，当冲突发生时，冲突的元素将被加到该位置链表的最后。

哈希表的实现

class Array(object):

def __init__(self, size=32, init=None):

self._size = size

self._items = [init] * size

def __getitem__(self, index):

return self._items[index]

def __setitem__(self, index, value):

self._items[index] = value

def __len__(self):

return self._size

def clear(self, value=None):

for i in range(len(self._items)):

self._items[i] = value

def __iter__(self):

for item in self._items:

yield item

class Slot(object):

"""

定义一个 hash 表数组的槽(slot 这里指的就是数组的一个位置)

hash table 就是一个数组，每个数组的元素(也叫slot槽)是一个对象，对象包含两个属性 key 和 value。

注意，一个槽有三种状态，看你能否想明白。相比链接法解决冲突，探查法删除一个 key 的操作稍微复杂。

1.从未使用 HashMap.UNUSED。此槽没有被使用和冲突过，查找时只要找到 UNUSED 就不用再继续探查了

2.使用过但是 remove 了，此时是 HashMap.EMPTY，该探查点后边的元素仍然可能是有key的，需要继续查找

3.槽正在使用 Slot 节点

"""

def __init__(self, key, value):

self.key, self.value = key, value

class HashTable(object):

UNUSED = None # 没被使用过

EMPTY = Slot(None, None) # 使用却被删除过

def __init__(self):

self._table = Array(8, init=HashTable.UNUSED) # 保持 2*i 次方

self.length = 0

@property

def _load_factor(self):

# load_factor 超过 0.8 重新分配

return self.length / float(len(self._table))

def __len__(self):

return self.length

# 进行哈希

def _hash(self, key):

return abs(hash(key)) % len(self._table)

# 查找key

def _find_key(self, key):

"""

解释一个 slot 为 UNUSED 和 EMPTY 的区别

因为使用的是二次探查的方式，假如有两个元素 A，B 冲突了，

首先A hash 得到是 slot 下标5，A 放到了第5个槽，之后插入 B 因为冲突了，所以继续根据二次探查方式放到了 slot下标8。

然后删除 A，槽 5 被置为 EMPTY。然后我去查找 B，

第一次 hash 得到的是 槽5，但是这个时候我还是需要第二次计算 hash 才能找到 B。

但是如果槽是 UNUSED 我就不用继续找了，我认为 B 就是不存在的元素。这个就是 UNUSED 和 EMPTY 的区别。

"""

origin_index = index = self._hash(key) # origin_index 判断是否又走到了起点，如果查找一圈了都找不到则无此元素

_len = len(self._table)

while self._table[index] is not HashTable.UNUSED:

if self._table[index] is HashTable.EMPTY: # 注意如果是 EMPTY，继续寻找下一个槽

index = (index * 5 + 1) % _len

if index == origin_index:

break

continue

if self._table[index].key == key: # 找到了key

return index

else:

index = (index * 5 + 1) % _len # 没有找到继续找下一个位置

if index == origin_index:

break

return None

# 找能插入的槽

def _find_slot_for_insert(self, key):