了解哈希表

小周爱学习€

已于 2024-06-18 09:50:41 修改

阅读量920

点赞数 35

文章标签：散列表哈希算法数据结构

于 2024-06-18 09:29:17 首次发布

本文链接：https://blog.csdn.net/zsy54577/article/details/139759821

版权

散列表（Hash table，也叫哈希表），是根据键（Key）而直接访问在内存存储位置的数据结构。也就是说，它通过计算一个关于键值的函数，将所需查询的数据映射到表中一个位置来访问记录，这加快了查找速度。这个映射函数称做散列函数，存放记录的数组称做散列表。

根据key值来直接访问数据，查找速度快

一、哈希表和字典的区别

概念与实现方式：
- 哈希表：基于哈希函数实现的数据结构，它将数据映射到一个固定位置的数组中。通过哈希函数将关键字映射为一个索引值，然后在该索引位置上进行数据的插入、查找和删除操作。
- 字典：在Python等编程语言中，字典是内置的、使用哈希表实现的数据结构。它提供了存储键值对的功能，每个值与唯一的键相关联，可以方便地通过键来访问对应的值。
编程语言：
- 哈希表：是一种通用的数据结构，可以在多种编程语言中实现。
- 字典：是特定编程语言（如Python）中的特定实现，提供了额外的功能和语法糖，如迭代、切片等。
顺序性：
- 哈希表：键值对通常是无序存储的，即插入的顺序不一定与遍历的顺序相同。
- 字典：在Python中，字典维护了插入键值对的顺序，在遍历时会按照插入的顺序返回键值对。
线程安全性：
- 哈希表：在某些实现中，哈希表是线程安全的，适合在多线程环境中使用。
- 字典：在Python中，字典是线程不安全的，因此在多线程环境中需要额外的同步机制。
数据类型处理：
- 哈希表：不是泛型的，处理数据类型时可能需要经过装箱、拆箱操作，效率相对较低。
- 字典：是泛型的，数据不需要经过装箱、拆箱操作，效率更高。
其他特点：
- 哈希表：最大的优势在于其索引方式，经过散列处理，在数据量大的时候查找速度优势明显。
- 字典：具有动态伸缩性，可以自动根据需要进行扩容，以适应不同数量的键值对。此外，字典可以存储不同类型的值，非常灵活。

二、哈希函数

哈希函数（Hash Function）：将哈希表中元素的关键键值映射为元素存储位置的函数。

关于整数类型的关键字，通常用到的哈希函数方法有：直接定址法、除留余数法、平方取中法、基数转换法、数字分析法、折叠法、随机数法、乘积法、点积法等。下面我们介绍几个常用的哈希函数方法。

直接定址法：
- 定义：哈希函数为关键字的线性函数，即H(key) = key 或 H(key) = a * key + b，其中a和b为常数。
- 特点：地址集合的大小等于关键字集合的大小。
- 应用：适用于关键字分布基本连续的情况，如从1到100岁的人口数字统计表。
除留余数法：
- 定义：取关键字被某个不大于哈希表表长m的数p除后所得的余数为哈希地址，即H(key) = key mod p，其中p <= m。
- 特点：简单，易于实现，是实际应用中最常用的方法之一。
- 应用：广泛应用于各种哈希表的构建中，特别是在处理冲突时。
平方取中法：
- 定义：对关键字进行平方操作，然后取中间的几位数作为哈希地址。
- 特点：适用于关键字分布较为均匀的情况。
- 应用：在关键字长度较短且分布较为均匀时，可以有效避免哈希冲突。
基数转换法：
- 定义：将关键字看作另一种进制的数，再转换成原来进制的数，然后选其中几位作为哈希地址。
- 特点：通过改变进制来改变关键字的表示形式，有助于减少哈希冲突。
- 应用：在处理关键字较长且分布不均匀时，可以通过基数转换法来优化哈希函数的性能。
数字分析法：
- 定义：如果关键字由多位字符或数字组成，可以抽取其中的某几位作为哈希地址。
- 特点：需要根据关键字的具体分布来选择抽取的位数，以尽量减少哈希冲突。
- 应用：在关键字具有某种规律或模式时，数字分析法可以作为一种有效的哈希函数方法。
- 例子：假设我们有一组身份证号码作为关键字，并且注意到身份证号码中的某几位（例如最后四位）在数据集中较为分散。我们可以选择这四位作为哈希地址。
- 假设身份证号码为123456789012345678，我们选择最后四位5678作为哈希地址。
折叠法：
- 定义：将关键字分割成位数相同的几部分（最后一部分的位数可以不同），然后取这几部分的叠加和（舍去进位）作为哈希地址。
- 特点：适用于关键字位数较长且没有明显规律的情况。
- 应用：在处理长字符串或长数字作为关键字时，折叠法可以作为一种有效的哈希函数方法。
- 例子：考虑一个较长的整数关键字1234567890，我们可以将其分为两部分12345和67890，然后相加（忽略进位）得到79235作为哈希地址。
随机数法：
- 定义：取关键字的一个随机函数值作为哈希地址，即H(key) = random(key)。注意这里的随机函数实际上是伪随机函数。
- 特点：每个关键字都对应一个固定的哈希地址，但地址的生成是随机的。
- 应用：在关键字长度不等或关键字分布不均匀时，随机数法可以作为一种简单的哈希函数方法。
- 例子：由于随机数法通常涉及伪随机数生成器，假设有一个伪随机数生成器能够根据关键字生成哈希地址。对于关键字“egg”，伪随机数生成器可能返回123作为哈希地址

三、哈希冲突

哈希冲突（Hash Collision）是一种在哈希表（Hash Table）或哈希函数中可能出现的现象，它指的是两个不同的输入值（通常称为键或关键字）经过哈希函数计算后得到了相同的哈希值（哈希地址或哈希索引）。这种现象可能会导致数据检索和存储的问题，因为哈希表通常使用哈希值来确定数据在表中的位置。

简而言之就是一山有两只老虎，得避免这种情况

哈希冲突的原因主要有以下几点：

哈希函数设计不合理：如果哈希函数的设计不合理，可能会导致输入值在哈希函数计算后的分布不均匀，进而增加哈希冲突的概率。例如，某些哈希函数可能对于特定的输入模式或数据集特别敏感，导致大量不同的输入值产生相同的哈希值。
哈希表容量过小：当哈希表的容量较小，而要存储的数据较多时，就容易出现哈希冲突。因为哈希表的大小限制了可用的哈希地址的数量，当数据项的数量接近或超过哈希表的大小时，冲突的概率就会显著增加。
数据集特征：当数据集的特征与哈希函数的设计不匹配时，也可能导致哈希冲突的增加。例如，如果数据集中的键具有某种特定的模式或分布，而哈希函数没有考虑到这种模式或分布，那么就可能导致哈希冲突的增加。

为了解决哈希冲突，可以采用以下几种方法：

开放定址法：当发生哈希冲突时，通过探测哈希表中的下一个未被占用的位置，直到找到一个空槽来存储数据。具体实现包括线性探测法、平方探测法（二次探测）等。
- 线性探测法：当所需存放值的位置被占时，往后一直加1并对哈希表长度取模，直到找到一个空余的地址。
- 平方探测法：当所需存放值的位置被占时，会前后寻找而不是单独方向的寻找，通常使用平方数作为探测的步长。
再哈希法：同时构造多个不同的哈希函数，当发生哈希冲突时，就使用第二个、第三个等其他的哈希函数计算地址，直到不发生冲突为止。
链地址法：将所有哈希地址相同的记录都链接在同一链表中。这样，即使多个键具有相同的哈希值，它们也可以被存储在同一个链表中，而不会导致冲突。
建立公共溢出区：将哈希表分为基本表和溢出表，将发生冲突的都存放在溢出表中。这种方法将冲突的数据项存储在单独的表中，从而避免了在基本表中处理冲突的开销。