数据结构 -hash table

夜泉_ly2024-11-19 22:57

博客主页：【夜泉_ly】

本文专栏：【数据结构】

欢迎点赞👍收藏⭐关注❤️

文章目录

  • [📚 前言](#📚 前言)
  • [⏫ 直接寻址表](#⏫ 直接寻址表)
    • [📖 简介](#📖 简介)
    • [💻 代码实现](#💻 代码实现)
  • [🗃️ 散列表](#🗃️ 散列表)
    • [📖 简介](#📖 简介)
  • [🔒 闭散列](#🔒 闭散列)
    • [📖 简介](#📖 简介)
    • [💻 代码实现](#💻 代码实现)
  • [🔓 开散列](#🔓 开散列)
    • [📖 简介](#📖 简介)
    • [💻 代码实现](#💻 代码实现)

📚 前言

本文主要内容：

hash的意思是散列，如果音译的话就是哈希。

不过，今天讲的是hash的一部分：hash table，即哈希表。

这两个有什么区别？

  • 哈希 可以认为是一种方法，可以认为是一种思想：将存储的值和存储的位置建立出一种对应的关系。
  • 哈希表是哈希的一种具体应用，是一种支持插入、查找、删除等字典操作的数据结构。

在AVL和红黑树中，查找的效率被提升至了 O ( l o g 2 N ) O(log_2N) O(log2N)，而哈希表更进一步，将平均查找效率提升到 O ( 1 ) O(1) O(1)。虽然在特定的情况下，哈希表的最坏时间复杂度为 O ( N ) O(N) O(N)，但在实际中哈希表的查找性能是很好的。

哈希表是普通数组的推广 。

普通数组一般采用直接寻址，即将key直接作为数组下标。问题是如果key可能的取值范围过大，而存入的元素又过少，就会产生大量的空间浪费。

哈希表则用一个哈希函数，将key和下标建立了对应的关系。但如果不同的key在哈希函数处理后进了同一个下标，这就造成了哈希冲突。

哈希冲突 的解决方式有很多，最主要有的两种：开放寻址法、链表法。

⏫ 直接寻址表

📖 简介

直接寻址表DirectAddressTable

直接寻址表就是数组，将key直接作为数组下标。(说实话感觉和计数排序有点像)

适用的情况，数据的全域 U U U不大，且不同数据的key也不同。

简单点就是这么个样子：

💻 代码实现

实现也非常简单：

有时，key就是value；有时，key对应value。我们不管这么多，直接传KV：

cpp 复制代码 
template <typename K, typename V>
class DirectAddressTable {

而成员，刚刚说了，是个数组，那我们当然毫不客气的使用vector：

cpp 复制代码 
private:
    std::vector<std::pair<K, V>*> table; // 用于存储键值对的数组
};

至于这里为什么用pair*，因为算法导论是这么说的，所以我就这么写了。

再来补充一下函数，首先是构造：

cpp 复制代码 
public:
    // 构造函数，初始化表大小
    DirectAddressTable(size_t size) 
        : table(size, nullptr) 
    {}

然后是查找、插入、删除，注意不能让key越界：

cpp 复制代码 
    std::pair<K, V>* search(const K& key)
    {
        if (key >= table.size() || table[key] == nullptr)
            return nullptr;
        return table[key];
    }

    void insert(const K& key, const V& value)
    {
        assert(key < table.size());
        table[key] = new std::pair<K, V>(key, value);
    }
    
    void erase(const K& key) 
    {
	    assert(key < table.size());
	    delete table[key];
	    table[key] = nullptr;
	}

从此处可以看见，几个字典操作都只需要O(1)的时间。

最后是析构函数，这里需注意的是vector的析构不会释放我们申请的pair，所以需要手动delete一下。而有时我们也需要手动清理一下，因此可以加个clear：

cpp 复制代码 
	void directAddressClear() 
	{
	    for (auto& e : table) 
	        delete e;
	    table.clear();
	}
	
	~DirectAddressTable()
	{
		clear();
	}

一个简单的直接寻址表就写完了。

当然，还有种更简单的直接寻址表：

cpp 复制代码 
	int arr[256] = {0}; // 可以用来统计字符串中每个字符出现的次数

这种情况下，数组的槽(slot)中，直接存的就是key。

🗃️ 散列表

📖 简介

散列表即哈希表，用来解决关键字全域U过大，而实际关键字集合K过小的情况。

这时关键字key就不是直接对应下标了，而是利用哈希函数(hash function)hf ，通过关键字计算出下标。

例如有这样一个数组：{1,2,103,104,10005,10006}。

如果是直接寻址，我们需要开一个大小为10007的数组来存储：

如果我们引入一个hf：hf(key) = key % 10 计算出相对的位置，那么我们的数组就只需开7个空间：

而不同的key可能会被搞到同一个位置，这就发生了碰撞。

显然，碰撞的次数和我们选的hf有直接关系，但即便hf选的很好，根据抽屉原理，碰撞是不可避免的，因此还需要有方法解决碰撞。在本文，我将介绍两种解决哈希冲突的方法：开放寻址法、链表法。

至于hf，就用个最简单的吧，毕竟其它的我也看不懂：hf(k) = k mod capacity。

除了哈希函数以及解决哈希冲突的方法，我们还需要注意一个东西：装载因子(load factor)lf。装载因子就是哈希表的存放元素的个数n除以哈希表的槽位m： l f = n / m lf = n/m lf=n/m。显然装载因子如果过小，那么就代表浪费的空间增多；如果过大，就代表冲突的可能增多。因此装载因子也是一个需要研究的点。(但不是我该研究的点)

🔒 闭散列

📖 简介

闭散列 就是用开放寻址法实现的哈希表，这种方法将所有的元素都存放在散列表里，所以是闭 。

其插入的过程，可以简单理解为碰撞了就往后挪一挪。

例如，我们先开个大小为10的数组，然后依次插入8，88，888：

这就是最简单的插入操作。总结一下就是从hf(k)开始，被占了就往后挪挪，找到空了就插入。

因此，这时每个槽有两个状态------空 和 存在。

算法导论上说，开放寻址法最好不要删除，但我们还是可以实现一下，虽然会麻烦一点。

还是这个数组：

删除8：

由于之前的碰撞，导致一些元素并没有存在对应的hf(k)上，因此在删除后必须标记一个新的状态 删除，不然删了一个元素就可能导致后面的元素找不到了。

删除88,888同理：

这时的插入也需要改一改，改成遇到 删除也需要插入。

至于查找就比较简单了，从hf(k)开始，找到了就返回对象，挪动到状态为就返回空。

💻 代码实现

首先，我们需要定义在槽中存放的数据，与直接寻址法不同，这里还需要加一个状态，而状态分为三种：空 、 存在 以及 删除，根据 effective C++中的条款02，以后我尽量就不用#define了，用enum：

cpp 复制代码 
enum STATUS { EMPTY, EXIST, ERASE };

template<class K, class V>
struct Data
{
	std::pair<K, V> _data;
	STATUS _status = EMPTY;
};

存的是一个pair，初始的状态是EMPTY，用的是struct。应该没问题。

然后是哈希表，我比较懒，所以第一步必写typedef：

cpp 复制代码 
template<class K, class V>
class HashTable
{
	typedef Data<K, V> Data;

成员直接用vector吧，还得再加一个变量_n------用来记录现在存了多少个元素，以便计算负载因子：

cpp 复制代码 
private:
	vector<Data> _table;
	size_t _n = 0;
};

给_n个初始值，这样就可以直接用编译器提供的默认构造了。吗？

管他的，先把插入写了(暂不考虑扩容)：

cpp 复制代码 
void insert(const pair<K, V>& kv)
{
	size_t index = kv.first % _table.size(); // hf(k) = k mod capacity
	while (_table[index]._status == EXIST)   // 找到空位
	{
		index = (index + 1) % _table.size();
	}
	_table[index]._data = kv;                // 插入
	_table[index]._status = EXIST;           // 改状态！！！
}

这里一定要注意，插入后要改_status，你也不想辛辛苦苦插入了很多数据最后发现全被覆盖了吧？

写了个测试函数，调用插入时直接报错：

当然，这里我用的hf是：hf(k) = k mod capacity。这个capacity又直接用的vector的size。因此为0很正常，你或许回想，改成其他的数不就好了，比如：size_t index = kv.first % 10;

很遗憾，还是报错了，因为我们的vector没开空间，所以一插入就会报错。

补个构造：

cpp 复制代码 
	HashTable() { _table.resize(10); }

再来看看效果：

	HashTable<int, int> ht;
	ht.insert({8,666});
	ht.insert({88,666});
	ht.insert({888,666});

和预期的一样。那我们继续写删除：

cpp 复制代码 
bool erase(const K& k)
{
	size_t index = k % _table.size();
	while (_table[index]._status != EMPTY)
	{
		if (_table[index]._status == EXIST && _table[index]._data.first == k)
		{
			_table[index]._status = ERASE;
			return true;
		}
		index = (index + 1) % _table.size();
	}
	return false;
}

在这里，可以发现查找的代码重复了，于是可以写个private的_find，返回的是下标：

cpp 复制代码 
size_t _find(const K& k)
{
	size_t index = k % _table.size();
	while (_table[index]._status != EMPTY)
	{
		if (_table[index]._status == EXIST && _table[index]._data.first == k)
		{
			return index;
		}
		index = (index + 1) % _table.size();
	}
	return index;
}

然后就可以改改删除函数：

cpp 复制代码 
	bool erase(const K& k)
	{
		size_t index = _find(k);
		if(_table[index]._status == EMPTY)
			return false;
		_table[index]._status = ERASE;
		return true;
	}

再尝试一下：

	HashTable<int, int> ht;
	ht.insert({8,666});
	ht.insert({88,666});
	ht.insert({888,666});
	cout << ht.erase(8) << endl;
	cout << ht.erase(888) << endl;
	cout << ht.erase(88) << endl;
	cout << ht.erase(0) << endl;

输出是：1110。三次成功一次失败，没有问题。

再看监视窗口：

状态都改了，也没问题。

那就来写查找，由于刚刚写了个_find，因此，如果不介意码风的话，甚至可以两行搞定：

cpp 复制代码 
	Data* find(const K& k)
	{
		size_t index = _find(k);
		return _table[index]._status == EMPTY ? nullptr : &_table[index];
	}

什么？你说我返回元素的key可以被修改？！

你说得对。但是unordered_map是由STL提供的一款容器，它的find返回的是迭代器，后面忘了。

实在不行，你可以强转一下，我这里就不改了。不然typedef就不能用了

到了这里，这个闭散列就差不多写完了，只需要再处理亿点点小问题。

比如：_n哪儿去了？负载因子呢？Key不是整型怎么办？

没关系，一个一个的解决：

首先是_n，这个好说，插入成功++，删除成功- -。（刚刚忘写了）

然后是负载因子，这个对应的就是扩容问题，我就在负载因子为0.7的时候扩容吧。

如何扩容？首先，直接扩是万万不能的，这会导致关系混乱：

如果我想找 17（标红那个），index = hf(17) = 17 % size = 17，而 index = 17 对应的槽状态为空，因此 17 不存在？

正确的解决方式（之一）是------再建个哈希表插入就行了：

cpp 复制代码 
void insert(const pair<K, V>& kv)
{
	if (_n * 10 >= _table.size() * 7)
	{
		size_t newSize = _table.size() * 2;
		HashTable<K,V> newtable;
		newtable._table.resize(newSize);
		for (size_t i = 0; i < _table.size(); i++)
			if (_table[i]._status == EXIST)
				newtable.insert(_table[i]._data);
		_table.swap(newtable._table);
	}

最后一步又捡便宜了，直接用vector的swap，简单省事👍。

现在还剩一个问题：如果key不是整型呢？

这时，仿函数又派上用场了。

普通类型，转成无符号整型就好：

cpp 复制代码 
template<class K>
struct defaultHashFunc
{
	size_t operator()(const K& k)
	{
		return (size_t)k;
	}
};

由于string做key比较比较常见，可以开个后门，来个特化：

cpp 复制代码 
template<>
struct defaultHashFunc<string>
{
	size_t operator()(const string& str)
	{
		size_t hash = 0;
		for (auto ch : str)
		{
			hash *= 131;
			hash += ch;
		}
		return hash;
	}
};

这里用的是BKDR的处理方法，具体原理未知，能用就行。

其他的，就让用的人传吧：

cpp 复制代码 
template<class K, class V, class HF = defaultHashFunc<K>>
class HashTable
{

由于我把查找放在_find里了，所以只用改这一个地方：

cpp 复制代码 
size_t _find(const K& k)
{
	HF hf;
	size_t index = hf(k) % _table.size();

表的完整代码：

cpp 复制代码 
template<class K, class V, class HF = defaultHashFunc<K>>
class HashTable
{
	typedef Data<K, V> Data;
public:
	HashTable() { _table.resize(10); }
	void insert(const pair<K, V>& kv)
	{
		if (_n * 10 >= _table.size() * 7)
		{
			size_t newSize = _table.size() * 2;
			HashTable<K,V> newtable;
			newtable._table.resize(newSize);
			for (size_t i = 0; i < _table.size(); i++)
				if (_table[i]._status == EXIST) newtable.insert(_table[i]._data);
			_table.swap(newtable._table);
		}
		size_t index = _find(kv.first);
		_table[index]._data = kv;
		_table[index]._status = EXIST;
		_n++;
	}

	bool erase(const K& k)
	{
		size_t index = _find(k);
		if(_table[index]._status == EMPTY) return false;
		_table[index]._status = ERASE;
		_n--;
		return true;
	}

	Data* find(const K& k)
	{
		size_t index = _find(k);
		return _table[index]._status == EMPTY ? nullptr : &_table[index];
	}

private:
	size_t _find(const K& k)
	{
		HF hf;
		size_t index = hf(k) % _table.size();
		while (_table[index]._status != EMPTY)
		{
			if (_table[index]._status == EXIST && _table[index]._data.first == k) return index;
			index = (index + 1) % _table.size();
		}
		return index;
	}

	vector<Data> _table;
	size_t _n = 0;
};

🔓 开散列

📖 简介

开散列 是用链表法实现的哈希表，这种方法是将元素挂在槽外的，所以是开 。

链表法就是把 hf(k) 相同的 k 全部挂在 index == k 的槽上：

这时，槽里面就不用存状态了，存个指针就行。因此， 代表 nullptr , 代表 挂有数据。

💻 代码实现

首先是挂的节点：

cpp 复制代码 
template<class K, class V>
struct Node
{
	pair<K, V> _data;
	Node<K, V>* _pNext;
	Node(const pair<K, V>& kv)
		:_data(kv)
	{}
};

这是我最开始写的，然后一个插入就让我找了十分钟bug😂。

为什么不对，只看这一块代码其实是显而易见的：_pNext没有初始化。

但是在使用时，我会认为Node既然提供了构造函数，那么_pNext应该是初始化了的。

在effective C++的"条款04：确定对象被使用前已被初始化"中，作者指出：规定总是在初始化列表中列出所有成员变量，以免还得记住哪些成员变量可以无需初值。

改正后：

cpp 复制代码 
template<class K, class V>
struct Node
{
	pair<K, V> _data;
	Node<K, V>* _pNext;
	Node(const pair<K, V>& kv)
		:_data(kv)
		,_pNext(nullptr)
	{}
};

哈希表的框架，这里的HF就可以用刚刚的了：

cpp 复制代码 
template<class K, class V, class HF = defaultHashFunc<K>>
class HashTable
{
	typedef Node<K, V> Node;
public:
	HashTable() { _table.resize(10, nullptr); }
	
private:
	vector<Node*> _table;
	size_t _n = 0;
};

依然是开头就typedef，依然是构造中resize数组，不过这里的vector中存Node*就行了。

然后写插入的时候，遇到了个问题，_find返回什么？

cpp 复制代码 
	bool insert(const pair<K, V>& kv)
	{
		? cur = _find(kv.first);

返回size_t的下标吗，那好像也没有缩短多少代码，之后还要在挂着的链表里面继续找；返回Node*吗，感觉没有什么意义。

这时，我突然想到了二叉搜索树的递归写法，那里传的参数是个指针的引用！这样可以直接改变一个节点的_pNext。

那这里能不能用引用呢？我想了想，好像可以！

首先是_find：

cpp 复制代码 
Node*& _find(const K& k)
{
	HF hf;
	size_t index = hf(k) % _table.size();
	return __find(_table[index],k);
}

这里主要是计算出index，然后交给__find去完成真正的查找：

cpp 复制代码 
Node*& __find(Node*& cur, const K& k)
{
	return  (!cur || cur->_data.first == k) ? cur : __find(cur->_pNext, k);
}

有点抽象，不过能跑，为了便于讲解，我把__find改改：

cpp 复制代码 
Node*& __find(Node*& cur, const K& k)
{
	if(cur == nullptr) return cur;
	if(cur->_data.first == k) return cur;
	return __find(cur->_pNext, k);
}

如果 cur 为空，返回 cur。

如果 cur 的 k 和 传入的一样，说明重复了，也返回 cur。

如果不是上面两种情况，就找cur->_pNext。

这里的参数和返回值都是指针的引用，到时候就可以直接改了，非常方便。

然后插入函数就很好写了：

cpp 复制代码 
	bool insert(const pair<K, V>& kv)
	{
		Node*& cur = _find(kv.first);
		if (cur) return false;
		cur = new Node(kv);
		_n++;
		return true;
	}

这里相当于还附加了一个去重的效果。(C++是真香，C语言绝对办不到

来分析一下具体的情况吧：

cpp 复制代码 
	HashTable<int, int> ht;
	cout << ht.insert({ 1,1 });
	cout << ht.insert({ 1,1 });
	cout << ht.insert({ 11,1 });

第一次插入，插入 1：
__find接收_table[index]的引用，发现_table[index]为空，返回_table[index]的引用给_find，_find再返回_table[index]的引用给cur，cur是什么？是指针的引用。哪个指针的引用？_table[index]的引用。改变cur是改变什么？改变_table[index]！！我靠C++是真帅。

第二次插入，插入 1：
__find会找到刚刚插入的 1，然后将该节点指针的引用层层返回，cur接收到了这个指针的引用，在判断中，发现 cur 不为空，即重复了，直接返回false。

第三次插入，插入 11：

同理，最后 cur 是 1 这个节点的 _pNext 的引用，改变cur就是改变 1 的 _pNext！！

去重加插入就这么解决了。

再写写扩容，由于一个槽可以挂多个数据，开散列的装载因子并没有强制要求小于1，这里取1就行。

而实现的思路与闭散列有所不同，这里不能再建一个新哈希表再插入，因为新建和释放节点都要时间，这里可以用一种顺手牵羊的思路，直接把原哈希表上挂的节点挂到新的哈希表上：

cpp 复制代码 
	bool insert(const pair<K, V>& kv)
	{
		Node*& cur = _find(kv.first);
		if (cur) return false;
		cur = new Node(kv);
		_n++;

前面操作不变，先插入成功再扩容：

cpp 复制代码 
		if (_n >= _table.size())
		{
			HF hf;
			size_t newSize = _table.size() * 2;
			vector<Node*> newTable;
			newTable.resize(newSize, nullptr);
			for (int i = 0; i < _table.size(); i++)
			{
				Node* c = _table[i];
				while (c)
				{
					Node* next = c->_pNext;
					size_t index = hf(c->_data.first) % newSize;
					c->_pNext = newTable[index];
					newTable[index] = c;
					c = next;
				}
				_table[i] = nullptr;
			}
			_table.swap(newTable);
		}
		return true;
	}

删除也很简单：

cpp 复制代码 
	bool erase(const K& k)
	{
		Node*& cur = _find(k);
		if (cur == nullptr)return false;
		Node* tmp = cur;
		cur = cur->_pNext;
		delete tmp;
		return true;
	}

如果找到了cur，用一个tmp保存一下，然后让cur = cur->_pNext，最后释放 tmp：

查找更简单了：

欸不对，查找写过了，不过写的是private。

那就再套一层吧，前面的懒得改了：

cpp 复制代码 
	Node* find(const K& k) { return _find(k); }

表的完整代码：

cpp 复制代码 
template<class K, class V, class HF = defaultHashFunc<K>>
class HashTable
{
	typedef Node<K, V> Node;
public:
	HashTable() { _table.resize(10, nullptr); }
	bool insert(const pair<K, V>& kv)
	{
		Node*& cur = _find(kv.first);
		if (cur) return false;
		cur = new Node(kv);
		_n++;

		if (_n >= _table.size())
		{
			HF hf;
			size_t newSize = _table.size() * 2;
			vector<Node*> newTable;
			newTable.resize(newSize, nullptr);
			for (int i = 0; i < _table.size(); i++)
			{
				Node* c = _table[i];
				while (c)
				{
					Node* next = c->_pNext;
					size_t index = hf(c->_data.first) % newSize;
					c->_pNext = newTable[index];
					newTable[index] = c;
					c = next;
				}
				_table[i] = nullptr;
			}
			_table.swap(newTable);
		}
		return true;
	}

	bool erase(const K& k)
	{
		Node*& cur = _find(k);
		if (cur == nullptr)return false;
		Node* tmp = cur;
		cur = cur->_pNext;
		delete tmp;
		return true;
	}

	Node* find(const K& k) { return _find(k); }

private:
	Node*& _find(const K& k)
	{
		HF hf;
		size_t index = hf(k) % _table.size();
		return __find(_table[index],k);
	}

	Node*& __find(Node*& cur, const K& k)
	{
		return  (!cur || cur->_data.first == k) ? cur : __find(cur->_pNext, k);
	}

	vector<Node*> _table;
	size_t _n = 0;
};

希望本篇文章对你有所帮助！并激发你进一步探索编程的兴趣！

本人仅是个C语言初学者，如果你有任何疑问或建议，欢迎随时留言讨论！让我们一起学习，共同进步！

相关推荐
菜鸡中的奋斗鸡→挣扎鸡2 小时前
滑动窗口 + 算法复习
数据结构·算法
axxy20003 小时前
leetcode之hot100---240搜索二维矩阵II（C++）
数据结构·算法
Uu_05kkq4 小时前
【C语言1】C语言常见概念（总结复习篇）——库函数、ASCII码、转义字符
c语言·数据结构·算法
1nullptr6 小时前
三次翻转实现数组元素的旋转
数据结构
TT哇6 小时前
【数据结构练习题】链表与LinkedList
java·数据结构·链表
A懿轩A6 小时前
C/C++ 数据结构与算法【栈和队列】 栈+队列详细解析【日常学习，考研必备】带图+详细代码
c语言·数据结构·c++·学习·考研·算法·栈和队列
1 9 J7 小时前
数据结构 C/C++(实验五:图)
c语言·数据结构·c++·学习·算法
汝即来归8 小时前
选择排序和冒泡排序；MySQL架构
数据结构·算法·排序算法
aaasssdddd9611 小时前
C++的封装(十四)：《设计模式》这本书
数据结构·c++·设计模式
芳菲菲其弥章11 小时前
数据结构经典算法总复习（下卷）
数据结构·算法
热门推荐
01〔AI 绘画〕Stable Diffusion 之 解决绘制多人或面部很小的人物时面部崩坏问题 篇02YOLOv8训练好模型后，追加轮数继续训练、或者提前终止训练，缩减训练轮数03玄机平台应急响应—webshell查杀04DisplayPort AltMode On Type-c协议_Ver2.0(学习笔记)05HCIA-datacom数通题库和录播视频资料06Docker 夺命连环 15 问076个主流的工业3D管道设计软件08校验 GPT-4 真实性的三个经典问题：快速区分 GPT-3.5 与 GPT-4，并提供免费测试网站09(欧拉)openEuler系统添加网卡文件配置流程、(欧拉)openEuler系统手动配置ipv6地址流程、(欧拉)openEuler系统网络管理说明10树莓派 5 AI 套件（Hailo-8L）使用教程