Python数据结构：哈希表

哈希

散列（哈希）是电脑科学中一种对资料的处理方法，通过某种特定的函数/算法（称为散列函数/算法）将要检索的项与用来检索的索引（称为散列，或者散列值）关联起来，生成一种便于搜索的数据结构（称为散列表）。

哈希表是什么

哈希表（散列表）是根据键（Key）直接访问内存存储位置的数据结构。根据键（Key）值将数据映射到内存中一个位置的函数称为哈希函数，根据哈希函数建立的记录数据的表称为哈希表。

哈希表的特点

若关键字为，则其值存放在的存储位置上。由此，不需比较便可直接取得所查记录。称这个对应关系为散列函数，按这个思想建立的表为散列表。
对不同的关键字可能得到同一散列地址，即，而，这种现象称为冲突。
若对于关键字集合中的任一个关键字，经散列函数映象到地址集合中任何一个地址的概率是相等的，则称此类散列函数为均匀散列函数（Uniform Hash function），这就是使关键字经过散列函数得到一个“随机的地址”，从而减少冲突。

处理冲突

开放定址法

开放定址法就是产生冲突之后去寻找下一个空闲的空间。函数定义为：

其中，hash(key) 是哈希函数，是增量序列，为已冲突的次数。

线性探测法：，或者其他线性函数。相当于逐个探测存放地址的表，直到查找到一个空单元，然后放置在该单元。
平方探测法：

链表法

这是另外一种类型解决冲突的办法，散列到同一位置的元素，不是继续往下探测，而是在这个位置是一个链表，这些元素则都放到这一个链表上。

再散列

如果一次不够，就再来一次，直到冲突不再发生。

建立公共溢出区

将哈希表分为基本表和溢出表两部分，凡是和基本表发生冲突的元素，一律填入溢出表(注意：在这个方法里面是把元素分开两个表来存储)。

哈希表的应用

查字典
网络防火墙中，根据源IP，目的IP，源端口，目的端口，协议号构成的五元组来标识一条网络数据流的，并且根据五元组来建立会话表项(session entry)。为了查找便捷，一般都使用Hash表来实现这个会话表，以提高转发的效率。
Linux 内核大量采用哈希表

下面用开放地址法（线性探测）实现了一个简单的哈希表。仔细阅读后试试哈希表的各种操作，感受以下哈希表飞一般的速度吧！

代码段 1

class Hash:# 表的长度定位11def __init__(self):self.hash_table=[[None,None]for i in range(11)]# 散列函数def hash(self,k,i):h_value=(k+i)%11if self.hash_table[h_value][0]==k:return h_valueif self.hash_table[h_value][0]!=None:i+=1h_value=self.hash(k,i)return h_valuedef put(self,k,v):hash_v=self.hash(k,0)self.hash_table[hash_v][0]=kself.hash_table[hash_v][1]=vdef get(self,k):hash_v=self.hash(k,0)return self.hash_table[hash_v][1]hash = Hash()
hash.put(1 ,'wang')
print(hash.get(1))

上述代码实现了一个简单的哈希表，但表的长度只有11，填入表中元素越来越多后，产生冲突的可能性会越来越大。

由此引出另一个概念，叫做载荷因子（load factor）。载荷因子的定义为：

所以当达到一定程度后，表的长度要变的，载荷因子被设计为0.75；超过0.8，cpu 的cache missing 会急剧上升。即需要新定义一个 resize 函数扩大表的长度，一般选择扩到已插入元素数量的两倍。

在上述代码中重新升级我们的 Hash 吧！示例代码代码段2中。

代码段 2

class Map:def __init__(self):self.capacity=11self.hash_table=[[None,None]for i in range(self.capacity)]self.num=0self.load_factor=0.75def hash(self,k,i):h_value=(k+i)%self.capacityif self.hash_table[h_value][0]==k:return h_valueif self.hash_table[h_value][0]!=None:i+=1h_value=self.hash(k,i)return h_valuedef resize(self):#扩容到原有元素数量的两倍self.capacity=self.num*2temp=self.hash_table[:]self.hash_table=[[None,None]for i in range(self.capacity)] for i in temp:#把原来已有的元素存入if(i[0]!=None):hash_v=self.hash(i[0],0)self.hash_table[hash_v][0]=i[0]self.hash_table[hash_v][1]=i[1]def put(self,k,v):hash_v=self.hash(k,0)self.hash_table[hash_v][0]=kself.hash_table[hash_v][1]=v#暂不考虑key重复的情况，具体自己可以优化self.num+=1# 如果比例大于载荷因子if(self.num/len(self.hash_table)>self.load_factor):self.resize()def get(self,k):hash_v=self.hash(k,0)return self.hash_table[hash_v][1]

经典实践

Python 中的字典就是用哈希表来实现的，它的特点如下：

字典的每个键值 key=>value 对用冒号 : 分割，每个键值对之间用逗号 , 分割，整个字典包括在花括号 {} 中 ,格式：dict = {key1 : value1, key2 : value2 }
通过中括号访问，添加，更新元素

dictionary = {'name': 'wang', 'age': 17, 'class': 'first'}
dictionary['age'] = 18
dictionary['country'] = 'china'
print(dictionary['age'])
print(dictionary['country'])

根据 Python 中的字典特性，自己手动实现一个 Python 字典吧

class MyDictionary(object):# 字典类的初始化def __init__(self):self.table_size = 13 # 哈希表的大小self.key_list = [None]*self.table_size #用以存储key的列表self.value_list = [None]*self.table_size #用以存储value的列表# 散列函数，返回散列值# key为需要计算的keydef hashfuction(self, key):count_char = 0key_string = str(key)for key_char in key_string: # 计算key所有字符的ASCII值的和count_char += ord(key_char) # ord()函数用于求ASCII值length = len(str(count_char))if length > 3 : # 当和的位数大于3时，使用平方取中法，保留中间3位mid_int = 100*int((str(count_char)[length//2-1])) \+ 10*int((str(count_char)[length//2])) \+ 1*int((str(count_char)[length//2+1]))else: # 当和的位数小于等于3时，全部保留mid_int = count_charreturn mid_int%self.table_size # 取余数作为散列值返回# 重新散列函数，返回新的散列值# hash_value为旧的散列值def rehash(self, hash_value):return (hash_value+3)%self.table_size #向前间隔为3的线性探测# 存放键值对def __setitem__(self, key, value):hash_value = self.hashfuction(key) #计算哈希值if None == self.key_list[hash_value]: #哈希值处为空位，则可以放置键值对passelif key == self.key_list[hash_value]: #哈希值处不为空，旧键值对与新键值对的key值相同，则作为更新，可以放置键值对passelse: #哈希值处不为空，key值也不同，即发生了“冲突”，则利用重新散列函数继续探测，直到找到空位hash_value = self.rehash(hash_value) # 重新散列while (None != self.key_list[hash_value]) and (key != self.key_list[hash_value]): #依然不能插入键值对，重新散列hash_value = self.rehash(hash_value) # 重新散列#放置键值对      self.key_list[hash_value] = keyself.value_list[hash_value] = value# 根据key取得valuedef __getitem__(self, key):hash_value = self.hashfuction(key) #计算哈希值first_hash = hash_value #记录最初的哈希值，作为重新散列探测的停止条件if None == self.key_list[hash_value]: #哈希值处为空位，则不存在该键值对return Noneelif key == self.key_list[hash_value]: #哈希值处不为空，key值与寻找中的key值相同，则返回相应的value值return self.value_list[hash_value]else: #哈希值处不为空，key值也不同，即发生了“冲突”，则利用重新散列函数继续探测，直到找到空位或相同的key值hash_value = self.rehash(hash_value) # 重新散列while (None != self.key_list[hash_value]) and (key != self.key_list[hash_value]): #依然没有找到，重新散列hash_value = self.rehash(hash_value) # 重新散列if hash_value == first_hash: #哈希值探测重回起点，判断为无法找到了return None#结束了while循环，意味着找到了空位或相同的key值if None == self.key_list[hash_value]: #哈希值处为空位，则不存在该键值对return Noneelse: #哈希值处不为空，key值与寻找中的key值相同，则返回相应的value值return self.value_list[hash_value]# 删除键值对def __delitem__(self, key):hash_value = self.hashfuction(key) #计算哈希值first_hash = hash_value #记录最初的哈希值，作为重新散列探测的停止条件if None == self.key_list[hash_value]: #哈希值处为空位，则不存在该键值对，无需删除returnelif key == self.key_list[hash_value]: #哈希值处不为空，key值与寻找中的key值相同，则删除self.key_list[hash_value] = Noneself.value_list[hash_value] = Nonereturnelse: #哈希值处不为空，key值也不同，即发生了“冲突”，则利用重新散列函数继续探测，直到找到空位或相同的key值hash_value = self.rehash(hash_value) # 重新散列while (None != self.key_list[hash_value]) and (key != self.key_list[hash_value]): #依然没有找到，重新散列hash_value = self.rehash(hash_value) # 重新散列if hash_value == first_hash: #哈希值探测重回起点，判断为无法找到了return#结束了while循环，意味着找到了空位或相同的key值if None == self.key_list[hash_value]: #哈希值处为空位，则不存在该键值对returnelse: #哈希值处不为空，key值与寻找中的key值相同，则删除self.key_list[hash_value] = Noneself.value_list[hash_value] = Nonereturn# 返回字典的长度def __len__(self):count = 0for key in self.key_list:if key != None:count += 1return countdef main():H = MyDictionary()H["kcat"]="cat"H["kdog"]="dog"H["klion"]="lion"H["ktiger"]="tiger"H["kbird"]="bird"H["kcow"]="cow"H["kgoat"]="goat"H["pig"]="pig"H["chicken"]="chicken"print("字典的长度为%d"%len(H))print("键 %s 的值为为 %s"%("kcow",H["kcow"]))print("字典的长度为%d"%len(H))print("键 %s 的值为为 %s"%("kmonkey",H["kmonkey"]))print("字典的长度为%d"%len(H))del H["klion"]print("字典的长度为%d"%len(H))print(H.key_list)print(H.value_list)if __name__ == "__main__":main()

-END-

想学习更对技术技能加下方小姐姐微信，领取全套源码笔记教程

Python数据结构：哈希表相关推荐

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. ...
python线性表和队列_[笔记]python数据结构之线性表：linkedlist链表,stack栈,queue队列...
python数据结构之线性表 python内置了很多高级数据结构,list,dict,tuple,string,set等,在使用的时候十分舒心.但是,如果从一个初学者的角度利用python学习数据结构 ...
java hashtable 数据结构_数据结构--哈希表（Java）
数据结构--哈希表(Java) 介绍哈希表底层是数组加链表或者是数组加二叉树 ,一个数组里面有多个链表,通过散列函数来提高效率代码 package cn.guizimo.hashtab; ...
七十五、Python | Leetcode哈希表系列
@Author:Runsen @Date:2020/7/3 人生最重要的不是所站的位置,而是内心所朝的方向.只要我在每篇博文中写得自己体会,修炼身心:在每天的不断重复学习中,耐住寂寞,练就真功,不畏艰 ...
python leetcode_七十五、Python | Leetcode哈希表系列
@Author:Runsen @Date:2020/7/3 人生最重要的不是所站的位置,而是内心所朝的方向.只要我在每篇博文中写得自己体会,修炼身心:在每天的不断重复学习中,耐住寂寞,练就真功,不畏艰 ...
python实现哈希表
# python 实现哈希表class HashTable:"""哈希函数的构造解决冲突"""def __init__(self, sour ...
Python 数据结构之线性表的链式存储结构
用Python 来实现 C语言中线性表的链式存储结构. 文章转载请注明: Python 数据结构之线性表的链式存储结构代码地址 https://github.com/WenkeZhou/P ...
数据结构——哈希表的详解与实现
数据结构--哈希表(HashTable) 1.前言当我们频繁的查找数据中的某个元素时,我们通常会选择数组来存放数据,因为数组的的内存是连续的,可以直接通过下标访问数据,但是它添加和删除数据比较麻 ...
数据结构哈希表的实现与设计
数据结构哈希表查找姓名的课程设计有没有大神能帮忙写一下这道题,课设的题目.用C++语言问题描述:针对某公司中花名设计哈希表,并完成相应的建表和查表程序,基本要求: (1)假设花名为汉字拼音形式.名 ...
算法笔记（三）特殊数据结构——哈希表、有序表、并查集、KMP、Manacher、单调栈、位图、大数据类题
layout: post title: 算法笔记(三)特殊数据结构--哈希表.有序表.并查集.KMP.Manacher.单调栈.位图.大数据类题 description: 算法笔记(三)特殊数据结构- ...

Python数据结构：哈希表

Python数据结构：哈希表相关推荐

最新文章

热门文章