图解算法之散列表

散列表

本文从两个方面介绍散列表

1. 散列函数
2. 冲突

散列函数

散列函数：将输入映射到数字，具有如下两个性质

1） 一致性
2） 最好是不同的映射对应不同的数字（回顾映射的性质）

在超市价格系统中，散列函数能够准确的指出价格的存储位置。创建的空数组用来存储商品的价格，散列函数将输入映射成数组的索引，这就是工作的机制。另外，散列表事先知道数组的大小，不会有溢出的情况发生。散列表在python中实现为字典：

book=dict()

继续添加商品价格

book["apple"] = 0.67
book["milk"] = 1.49
book["avocado"] = 1.49 
print book 
{'avocado': 1.49, 'apple': 0.67, 'milk': 1.49} 
print book["avocade"]

如果你学过JavaScript或者json等语言的话，其实就能够很适应这种键和键值的对应。

示例：电话本

假设你的手机没有siri等小助手，你的电话簿十分庞大，假设你要创建一个类似这样的电话簿，将姓名映射到电话号码。需要有如下功能

• 添加联系人及其电话号码；

• 通过输入联系人来获悉其电话号码。

散列表来实现

• 创建映射；
• 查找。

phone_book = dict() (或者phone_book = {}） 
phone_book["jenny"] = 8675309 
phone_book["emergency"] = 911 
print phone_book["jenny"] 

若引申到网页访问中，网址必须先转换为IP地址。

防止重复（降重）

计算机软件开发中，有一个很重要的思路就是降重。有些操作规定，每个ID或者某宝宝账号只能有一次机会，散列表就是很好的解决办法。

voted = {} 
def check_voter(name): 
 if voted.get(name): 
 print "kick them out!" 
 else: 
 voted[name] = True 
 print "let them vote!" 
#我们来测试几次
check_voter("tom") 
let them vote! 
 check_voter("mike") 
let them vote! 
check_voter("mike") 
kick them out! 

散列表应用于缓存

流程：

cache = {} 
def get_page(url): 
 if cache.get(url): 
 return cache[url]
 else: 
 data = get_data_from_server(url) 
 cache[url] = data
 return data 

小结

• 模拟映射关系
• 降重
• 缓存数据

冲突（collision）

同时有APPLE和AVOCADOS可能会出现冲突，即同一个位置被覆盖的情况，Facebook是这么解决这个办法的：相当于两个维度，散列表和链表叠加在一起。
如图:

总结

• 你可以结合散列函数和数组（链表）来创建散列表。
• 应该最大限度减少冲突的散列函数。
• 散列表的查找、插入和删除速度都非常快。
• 散列表适合用于模拟映射关系。
• 散列表可用于缓存数据（例如，在Web服务器上）。
• 散列表非常适合降低重复。