哈希表——python

• 哈希表是一个通过哈希函数来计算数据存储位置的数据结构，通常支持如下操作：

insert(key,value): 插入键值对(key,value)
get(key): 如果存在键为key的键值对则返回其value，否则返回空值
delete(key): 删除键对key的键值对

直接寻址表：key为k为元素放在k位置上

• 当关键字的全域U比较小时，直接寻址是一种简单而有效的方法
  

缺点

• 当域U很大时，需要消耗大量内存，很不实际
• 如果域U很大而实际出现的key很少，则大量空间被浪费
• 无法处理关键字不是数字的情况

改进直接寻址表：哈希（Hashing）

• 构建大小为m的寻址表T
• key为kl的元素放在h(k)位置上
• h(k)是一个函数，其将域U映射到表T[0,1,···,m-1]
  

but 很有可能有两个元素同时对应一个位置——哈希冲突

解决哈希冲突——开放寻址法

• 开放寻址发：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：如果位置被占用，则探查$i+1^2,i-1^2,i+2^2,i-2^2,$······
  • 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

• 哈希表每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。
  

常见哈希函数

• 除法哈希法：
  • $h(k)=k\%m$
• 乘法哈希法：
  • $h(k)=floor(m\ast (A\ast key\%1))$
  • floor：向下取整
• 全域哈希法：
  • $h_a{,}_b(k)=((a\ast key+b)\%p)\%m$

哈希表的应用——集合与字典

• 字典与集合都是通过哈希表来实现的
  • a = {‘name':'Alex','age':18,'gender':'Man'}
• 使用哈希表存储字典，通过哈希函数将字典的键应射为下标。假设$h{(}^{\prime }nam{e}^{\prime })=3,h{(}^{\prime }ag{e}^{\prime })=1,h{(}^{\prime }gende{r}^{\prime })=4$，则哈希表存储为[None,18,None,'Alex','Man']
• 如果发生哈希冲突，则通过拉链法或开发寻址法解决