学习散列表

回顾一下简单查找和二分查找

杂货店商品对应的价格举例：
简单查找就是拿出商品价目本，这个价目本并不是有序的，顾客问苹果多少钱，需要一个一个去查找某一个商品的价格，需要O(n)时间。
同样是一个价目本，但是按商品名称字母排序的，这样需要的时候更短为O(logn)。

但这样我还是觉得查找太慢，怎么办，这时候需要一名能记住所有商品价格的员工，这样一问评价价格便知，只需要O(1)。

从数据结构的角度来看
你可使用数组来实现记录商品价格的本子，的每个元素包含两项内容：商品名和价格。

如果将这个数组按商品名排序，就可使用二分查找在其中查找商品的价格。这样查找价格的时间将为O(log n)。
然而，我希望查找商品价格的时间为O(1)，这是散列函数的用武之地。

散列函数

无论你给散列函数什么数据，它都还你一个数字，专业点说：散列函数“将输入映射到数字”

特点：

• 一致的，比如输入苹果得到的是4，之后的每一次输入苹果最后得到的都是4。
• 不同的输入映射不同的数字。

简单实现商品价目本：
准备一个空列表，将苹果输入散列函数，输出4，那么列表的索引4就存苹果价格￥2.1，依次类存。。。行程价目本。
这样我们想知道商品名（苹果）价格，直接把苹果给散列函数，输出的就是价目表的索引4位置的价格（￥2.1）。

注意： 散列函数知道数组有多大，只返回有效的索引。如果数组包含5个元素，散列函数就不会
返回无效索引100。

散列表

复杂数据结构中，散列表可能是最有用的，也被称为散列映射、映射、字典和关联数组。散列表的速度很快！和数组一样快。
Python提供的散列表实现为字典，你可使用函数dict来创建散列表。

散列表的应用

将散列表用于查找
比如电话本

>>> phone_book = {}
>>> phone_book["小明"] = 8675309
>>> phone_book["火警"] = 119
>>> print phone_book["小明"] # 查找jenny的电话

比如DNS解析（DNS resolution）：网址映射到ip地址
我想浏览www.baidu.com 需要先进行DNS解析成ip地址192.168.0.0（随便写的ip地址）然后再进行访问百度服务器。

防止重复
比如投票机制：已经投过票的不能再投了

voted = {} # 散列表查找元素非常快
def check_voter(name):
	if voted.get(name):
		print "kick them out!"
	else:
		voted[name] = True
		print "let them vote!"

如果将已投票者的姓名存储在列表中，这个函数的速度终将变得非常慢，因为它必须使用简单查找搜索整个列表。

作为缓存
你登录了Facebook，你看到的所有内容都是为你定制的。你每次访问facebook.com，其服务器都需考虑你感兴趣的是什么内容。但如果你没有登录，看到的将是登录页面。每个人看到的登录页面都相同。 Facebook被反复要求做同样的事情：“当我注销时，请向我显示主页。”有鉴于此，它不让服务器去生成主页，而是将主页存储起来，并在需要时将其直接发送给用户。

• 用户能够更快地看到网页，网站已经记住了用户的访问频次或喜好等行为。
• Facebook需要做的工作更少。

Facebook不仅缓存主页，还缓存About页面、 Contact页面等众多其他的页面。因此，它需要将页面URL映射到页面数据。
也就是一个字典中key是url，value是网页数据data

cache = {}
def get_page(url):
	if cache.get(url): 
		return cache[url]
	else:
		data = get_data_from_server(url) # 访问服务器处理并返回数据填充到散列表
		cache[url] = data
		return data

仅当URL不在缓存中时，你才让服务器做些处理，并将处理生成的数据存储到缓存中，再返回它。这样，当下次有人请求该URL时，你就可以直接发送缓存中的数据，而不用再让服务器进行处理了。

这里总结一下，散列表适合用于：

• 模拟映射关系；
• 防止重复；
• 缓存/记住数据，以免服务器再通过处理来生成它们。

tips：本篇文章参考算法图解