算法图解-散列表

1. 散列表

• 散列表由键和值组成,散列表将键映射到值。
• 在复杂数据结构中，散列表可能是最有用的，也被称为散列映射、映射、字典和关联数组。散列表的速度很快！还记得数组和链表的讨论吗？你可以立即获取数组中的元素，而散列表也使用数组来存储数据，因此其获取元素的速度与数组一样快。
• 你可能根本不需要自己去实现散列表，任一优秀的语言都提供了散列表实现。Python提供的散列表实现为字典，你可使用函数dict来创建散列表。

2. 应用
散列表适合用于：

• 模拟映射关系；
• 防止重复；
• 缓存/记住数据，以免服务器再通过处理来生成它们。

3. 处理冲突
最简单的办法: 如果两个键映射到了同一个位置，就在这个位置存储一个链表。

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。你以前没有见过常量时间，它并不意味着马上，而是说不管散列表多大，所需的时间都相同。

• 在最糟情况下，散列表所有操作的运行时间都为O(n)——线性时间这真的很慢。我们来将散列表同数组和链表比较一下。
  

  4-1
• 在平均情况下，散列表的查找（获取给定索引处的值）速度与数组一样快，而插入和删除速度与链表一样快，因此它兼具两者的优点！但在最糟情况下，散列表的各种操作的速度都很慢。
  因此，在使用散列表时，避开最糟情况至关重要。为此，需要避免冲突。而要避免冲突，需要有：
  1.较低的填装因子；
  2.良好的散列函数。

5. 装填因子
散列表的填装因子很容易计算。

5-1

5-2

5-3

5-4

这个新散列表的填装因子为3/8，比原来低多了！填装因子越低，发生冲突的可能性越小，散列表的性能越高。一个不错的经验规则是：一旦填装因子大于0.7，就调整散列表的长度。
你可能在想，调整散列表长度的工作需要很长时间！你说得没错，调整长度的开销很大，因此你不会希望频繁地这样做。但平均而言，即便考虑到调整长度所需的时间，散列表操作所需的时间也为O(1)。

6. 散列函数

• 良好的散列函数让数组中的值呈均匀分布。

  
  
  

  6-1

• 糟糕的散列函数让值扎堆，导致大量的冲突。

  
  
  

  6-2

小结

1. 你可以结合散列函数和数组来创建散列表。
2. 冲突很糟糕，你应使用可以最大限度减少冲突的散列函数。
3. 散列表的查找、插入和删除速度都非常快。
4. 散列表适合用于模拟映射关系。
5. 一旦填装因子超过0.7，就该调整散列表的长度。
6. 散列表可用于缓存数据（例如，在Web服务器上）。
7. 散列表非常适合用于防止重复。