数据结构之哈希表/散列表——python应用(字典)

1. 什么是哈希表？

• 散列函数：一个把查找表中的关键字映射成该关键字对应的地址的函数，记为: Hash(key)=Addr
• 哈希表：是根据关键字而直接进行访问值的数据结构。也就是说散列表建立了关键字和存储地址之间的一种直接映射关系。

2. 哈希表为何如此高效？

• 回顾已经学过的数据结构的查找，例如数组，链表等，他们的查找都是建立在“比较”的基础上的，时间复杂度通常为O(n)
• 而哈希表直接通过给定Key值，获取到地址，从该地址中取出数据，理想情况下时间复杂度只有O(1)，即与表中元素个数无关。

3. 哈希表的冲突现象

3.1 冲突现象

• 哈希函数可能会把两个或者两个以上的不同关键字映射到同一地址，这种情况被称为“冲突”，这些发生碰撞的不同关键字称为同义词

3.2 如何解决哈希冲突现象

• 在未建立哈希表前选择好的哈希函数来尽量减少这样的冲突
• 在建立哈希表后，可以通过开放地址法或者拉链法来减少冲突

4. 哈希函数的构造方法

4.1 构造哈希函数的准则

• 哈希函数的定义域必须包含所有的需要存储的关键字，而值域的范围依赖于散列表的大小或者地址范围
• 哈希函数计算出来的地址应尽量等概率的均匀分布在整个地址空间。
• 散列函数应该尽可能简单。

4.2 构造方法

4.2.1 直接定址法

• 直接取关键字的某个线性函数值为散列地址，散列函数为：
  
  式中a,b为常数。这种计算方法最简单，并且不会产生冲突，适合关键字分布基本连续的情况。若关键字分布不连续，空位较多，将造成存储空间的浪费。

4.2.2 除留余数法

• 最常用的方法，假定哈希表的表长为m，取一个不大于m但最接近或者等于m的质数p，利用下面的公式将关键字转换成哈希地址：
  
  除留余数法关键是选好p，使得每一个关键字通过该函数转换后等概率地映射到哈希空间上，从而尽可能地减少冲突现象。

5. 处理冲突地方法

• 注意到任何设计出来地哈希函数都不能绝对地避免冲突，为此需要考虑在发生冲突后应该如何处理，即为“冲突”找到下一个空地Hash地址。
• 假定已经选好了哈希函数：H(key)，下面用Hi表示发生冲突后第i次探测哈希地址。

5.1 开放地址法

• 开发地址法指的是，可存放新表项地空闲地址既向他的同义词表开放，也想非同义词表开放。其数学递推公式如下，其中m为表长,i=0,1,2,3…,m-1。di为增量序列。当取定某一增量后，则对应地处理方法是固定地。

5.1.1 线性探测法

• 当di=0，1，2，3…,m-1时，称为线性探测法。
• 方式：冲突发生后，顺序查看下一个单元是否是空的(当探测到表尾地址m-1时，下一个探测地址时表首地址0)，直到找到一个空闲单元。如果查找失败，则表一定是满的。
• 缺点：线性探测法可能使第i个哈希地址地同义词存入第i+1个哈希地址，这样原本存在第i+1个哈希值智能存放在第i+2个，以此类推，这样会大大降低查找速率

5.1.2 平方探测法

• 当di=square(0),square(1),-square(1),sauare(2),-square(2)…，square(k),-square(k)
• 方式：和上面差不多，只不过换了di
• 缺点：不能探测到表上地所有元素
• 注意:k<=m/2且m必须可以表示成4K+3地一个素数

5.2 拉链法

6. 决定哈希表查找效率地因素

• 哈希函数地选取
• 哈希冲突地解决方法
• 装填因子α
  

7. 哈希表在python中的应用

Python中的字典便应用了哈希表的原理，能使关键字和值一一对应。

• 字典的初始化：

a = dict()
b = {}
c = {'a': 1, 'b': 2, 'b': '3'}  # 冒号左边是key，右边是value，由于存在重复的b，最后剩下右边的'b':3

• 访问字典中的value

print ("c['a']: ", c['a'])

• 修改字典

c['a'] = 0 # 将原来映射的1变为0
c['c'] = 4 # 添加新的键值对

• 删除字典元素

del c['a'] #删除key为a的键值对
c.clear #清除字典c中所有的键值对
del c #直接删除字典c

• 字典内置函数和方法
  
  

8. LeetCode中的应用

1. 两数之和(twoSum)

class Solution(object):
    def twoSum(self, nums, target):
        """
        :type nums: List[int]
        :type target: int
        :rtype: List[int]
        """
        map_a = dict()
        k = len(nums)
        for i in range(0, k):   #一边将列表中的数添加到字典中，一边判断两数之差是否存在于字典中
            temp = target - nums[i]  
            if temp in map_a :  # 判断步骤
                return [map_a[temp], i]
            map_a[nums[i]] =  i  # 添加步骤（切记先判断再添加，以免key冲突）

2.快乐数

class Solution(object):
    def isHappy(self, n):
        """
        :type n: int
        :rtype: bool
        """

        dict_1 = {}

        while 1:
            sum = 0

            while n != 0:   #计算平方之和
                sum += (n % 10) ** 2
                n /= 10

            n = sum

            if n == 1:   #如果平方之和为1，证明n是快乐数，返回True
                return True
            elif dict_1.has_key(n):  #若平方之和已出现过（循环计算），证明加法之和不可能为1，n不是快乐数，返回False
                return False

            dict_1[n] = 0