数据结构与算法Python版 04 数构之哈希篇

Hash Table

散列表（hash table）也被称为哈希表，它是一种根据键（key）来存储值（value）的特殊线性结构。

常用于迅速的无序单点查找，其查找速度可达到常数级别的O(1)。

散列表数据存储的具体思路如下：

• 每个value在放入数组存储之前会先对key进行计算
• 根据key计算出一个重复率极低的指纹
• 根据这个指纹将value放入到数组的相应槽位中

同时查找的时候也将经历同样的步骤，以便能快速的通过key查出想要的value。

这一存储、查找的过程也被称为hash存储、hash查找。

如图所示：

我们注意观察，其实散列表中的每一个槽位不一定都会被占据，它是一种稀疏的数组结构，即有许多的空位，并不像list那种顺序存放的结构一样必须密不可分，这就导致了散列表无法通过index来进行value的操作。

散列表在Python中应用非常广泛，如dict底层就是散列表实现，而dict也是经历了上述步骤才将key-value进行存入的，后面会进行介绍。

名词释义

在学习Hash篇之前，介绍几个基本的相关名词：

• 散列表（hash table）：本身是一个普通的数组，初始状态全是空的
• 槽位（slot、bucket）：散列表中value的存储位置，用来保存被存入value的地方，每一个槽位都有唯一的编号
• 哈希函数（hash function）：如图所示，它会根据key计算应当将被存入的value放入那一个槽位
• 哈希值（hash value）：哈希函数的返回值，也就是对数据项存放位置的结算结果

还有2个比较专业性的词汇：

• 散列冲突：打个比方，k1经过hash函数的计算，将v1存在了1号槽位上，而k22也经过了hash函数的计算，发现v2也应该存在1号槽位上。

  现在这种情况就发生了散列冲突，v2会顶替v1的位置进行存放，原本1号槽位的存放数据项会变为v2。

• 负载因子：说白了就说这个散列表存放了多少数据项，如11个槽位的一个散列表，存放了6个数据项，那么该散列表的负载因子就是6/11

哈希函数

如何通过key计算出value所需要插入的槽位这就是哈希函数所需要思考的问题。

求余哈希法

如果我们的key是一串电话号码，或者身份证号，如436-555-4601：

• 取出数字，并将它们分成2位数（43，65，55，46，01）
• 对它们进行相加，得到结果为210
• 假设散列表共有11个槽位，现在使用210对11求余数，结果为1

那么这个key所对应的value就应当插入散列表中的1号槽位

平方取中法

平方取中法如下，现在我们的key是96：

• 先计算它的平方值：96^2
• 平方值为9216
• 取出中间的数字：21
• 假设散列表共有11个槽位，现在使用21对11求余数，结果为10

那么这个key所对应的value就应当插入散列表中的10号槽位

字符串求值

上面举例的key都是int类型，如果是str类型该怎么做？

我们可以遍历这个str类型的key，并且通过内置函数ord()来将它字符转换为int类型：

>>> k = "hello"
>>> i = 0
>>> for char in k:
	i += ord(char)
>>> i
532

然后再将其对散列表长度求余，假设散列表共有11个槽位，现在使用532对11求余数，结果为4

那么这个key所对应的value就应当插入散列表中的4号槽位。

字符串问题

如果单纯的按照上面的方式去做，那么一个字符完全相同但字符位置不同的key计算的hash