Python中常用的数据结构---哈希表（字典）

Python中常用的数据结构—哈希表（字典）

常用的数据结构有数组、链表(一对一)、栈和队列、哈希表、树(一对多)、图(多对多)等结构。
在本目录下我们将讲解，通过python语言实现常用的数据结构。

4.哈希表

哈希表（hash table）也叫作散列表，这种数据结构提供了键（key）和值（value）的映射关系。只要给出一个key，就可以高效查找到它所匹配的value，时间复杂度接近于O(1)。
哈希函数就是将key和value值对应起来的函数。在不同语言中，哈希函数的实现方式是不一样的，在python语言中，哈希表对应的集合叫做字典（dict）。
在python和大多数面向对象的语言中，每一个对象都有属于自己的hash值，这个hash值是区分不同对象的重要标识。无论对象自身的类型是什么，它们的hash值都是一个整型变量。
既然都是整型变量，想要转化成数组的下标也就不难实现了。最简单的转化方式是按照数组长度进行取模运算。

index = hash(key) % size

实际上，python中的哈希函数并没有直接采用取模运算，而利用了位运算的方式来优化性能。不过这里我们姑且把它简单理解成取模操作。
通过hash函数，可以把字符串或其他类型的key，转化成数组的下标index。

比如给出长度为8的数组，则当
key = 001121时，
index = hash(“001121”) % size = 1420036703 % 8 = 7
而当key = "this"时，
index = hash(“this”) % size = 3559070 % 8 = 6

4.1哈希表的写操作（put）
例如调用dict[“002931”] = “王五”，意思是插入一组002931、value为王五的键值对。
第一步，通过哈希函数，把key转化成数组下标index（比如5）
第二步，如果数组下标5对应的位置没有元素，就把value值填充到数组下表为5的位置。
注意：由于数组的长度是有限的，当插入的value值越来越多时，不同的key通过哈希函数获得的下标有可能是相同的。例如，002936这个key对应的数组下标是2；002947这个key对应的数组下标也是2。则此时这种情况叫做“哈希冲突”。
哈希冲突是无法避免的，既然不能避免，就要想办法解决。解决的办法主要有两种：开放寻址方法，链表法。
4.2哈希表的读操作（get）
例如调用dict[“002936”]，意思是查找key为002936的Entry在哈希表中所对应的值。
第一步，通过哈希函数，把key转化成数组下标index（比如2）
第二步，找到数组下标2所对应的元素，如果这个元素的key是002936，那么找到了；如果这个key不是002936，那么由于数组的每个元素都与一个链表对应，则可以顺着链表慢慢往下找，看看是否与key相匹配的节点。
在众多编程语言中，有些语言的哈希表采用链表法，最具代表性的就是Java中HashMap；有些编程语言采用的是开放寻址法，比如python中的dict。
重点：哈希表可以说是数组和链表的结合，在算法应用中很普遍。

小结：

（1）数组：数组是由有限个相同类型的变量所组成的有序集合，它的物理存储方式是顺序存储，访问方式是随机访问。利用下表查找数组元素的时间复杂度是O(1),中间插入、删除数组元素的时间复杂度是O(n)。
（2）链表：链表是一种链式数据结构，由若干节点组成，每个节点包含指向下一节点的指针。链表的物理存储方式是随机存储，访问方式是顺序访问。查找链表节点的时间复杂度是O(n)，中间插入、删除节点的时间复杂度是O(1)。
（3）栈：栈是一种线性逻辑结构，可以用数组实现，也可以用链表实现。栈包含入栈和出栈操作，遵循先入后出的原则。
（4）队列：队列也是一种线性逻辑结构，可以用数组实现，也可以用链表实现。队列包含入队和出队操作，遵循先入先出的原则。
（5）哈希表：哈希表也叫作散列表，是存储 key-value映射的集合。对于某一个key，哈希表可以在接近O(1)的时间复杂度内进行读写操作。哈希表通过哈希函数实现key和数组下标的转换，通过开放寻址法和链表法来解决哈希冲突。