本章内容：学习散列表----最有用的基本数据结构之一。
学习散列表的内部机制：实现，冲突和散列函数。
5.1散列函数
散列函数是这样的函数，即无论你给它什么数据，它都还你一个数字。
要求：散列表必须是一致的。
它将不同的输入映射到不同的数字。
散列函数总是将同样的输入映射到相同的索引。同样的将不同的输入映射的不同的索引，各个数字都只有唯一对应的输入值。
散列函数知道数组有多大，只返回有效的索引，超出范围的值无效。
Python提供的散列表即字典
>>> book = {}
>>> book['apple'] = 0.67
>>> book['like'] = 3
>>> book['love'] = 6
>>> print book
{'love': 6, 'apple': 0.67, 'like': 3}
5.2应用案例
5.2.1将散列表用于查找
>>> phone_book = dict() >>> phone_book['loli'] = 378237 >>> phone_book['police'] = 110 >>> print phone_book['loli'] 378237
电话号码都对应唯一的一个键，通过键来查找对应映射的值。
5.2.2防止重复
v = {}
def vt(name):
if v.get(name):
print 'get out'
else:
v[name] = True
print('come')
vt('loli')
vt('loli')
散列表能让你快速知道来投票的人是否投过票
5.2.3将散列表用作缓存
缓存的工作原理：网站将数据记住，而不是重新计算。
缓存的优点：用户能更快的看到网页。网站需要做的工作更少
缓存是一种常用的加速方式，所有大型网站都使用缓存，而缓存的数据则存储在散列表中。
5.2.4小结
散列表适用于：模拟映射关系，防止重复，缓存数据
5.3冲突
冲突：给两个键分配的位置相同。
散列函数很重要。最理想的情况是：散列函数将键均匀的映射到散列表的不同位置。
5.4性能
在平均情况下，散列表执行各种操作的时间都为O(1)。O(1)被称为常量时间，就是说不管散列表有多大，所需的时间都是相同的。
在最糟情况下，散列表所有操作的运行时间都为O(n)----线性时间。
要避免冲突，需要有：较低的填装因子，良好的散列函数。
5.4.1填装因子
填装因子=已占用的位置/位置总数
当填装因子开始增大，就需要在散列表中添加位置，也就是调整长度。通常将散列表增加一倍。
5.5小结
你可以结合散列函数和数组来创建散列表。
冲突很糟糕，你应使用可以最大限度减少冲突的散列函数。
散列表的查找，插入和删除速度特别快。
散列表适合用于模拟映射关系。
一旦填装因子超过0.7，就该调整散列表的长度。
散列表可用于缓存数据，
散列表非常适合用于防止重复。