前言:
哈希表的原理在牢蒯的cpp数据结构之哈希这篇文章里,如果忘却了相关知识点,可以参考一下。本篇文章着重技巧与应试。
很多人第一次学哈希表,记住的是「O(1) 查找」这四个字,却说不清它到底是什么、什么时候该用、什么时候不该用。其实把下面四个问题回答清楚,哈希表就掌握了一大半:
- 是什么?
- 有啥用?
- 什么时候用?
- 怎么用?
这篇博客就按这四问展开,最后再补一个初学者最容易踩的坑:负数区间。
一、是什么:一个存数据的容器
哈希表(Hash Table)首先是一个容器,和数组、链表一样,用来存放数据。
它和数组最大的区别在于「怎么找到数据」:
- 数组靠下标 找:
a[3]直接拿到第 4 个元素; - 哈希表靠**键(key)**找:给它一个键(key),它自己算出该去哪个位置取对应的值(value)。
所以哈希表存储的本质是键值对:
代码块
< index, n[index] >
左边是键(或者由键算出来的下标),右边是对应的值。你可以把它理解成「升级版的数组」:数组的下标只能是 0、1、2...... 这样的连续整数,而哈希表的键可以是字符、字符串,甚至任意对象。
二、有啥用:把「查找」变成 O(1)
哈希表最核心的用途就是一句话:快速查找某个元素。
对比一下常见的查找方式:
| 方式 | 时间复杂度 | 前提 |
|---|---|---|
| 顺序查找 | O(n) | 无 |
| 二分查找 | O(log n) | 数据必须有序 |
| 哈希表查找 | O(1)(平均) | 需要额外的空间 |
数组里找一个数,最坏要把所有元素看一遍,是 O(n);排好序之后二分,能降到 O(log n);而哈希表直接由键算出位置,一次就能定位,平均 O(1)。
当然,O(1) 说的是「查找、插入、删除」的平均代价。如果要把表里所有元素过一遍,那还是 O(n)------哈希表并不能让你「遍历也变快」。
一句话总结它的取舍:用空间换时间。
三、什么时候用:频繁查找某个数的时候
哈希表不是万能的,判断标准很清楚:
当你需要频繁地查找某一个数(或某一个键)时,用它。
如果只是查一两次,顺序遍历就够了,没必要为此开一张表。但如果是「查很多次」,哈希表的优势就会指数级放大。
几条实用的判断经验:
- 数据范围很小 → 直接用数组模拟哈希表,最快也最简单(下一节详细说)。
- 需要有序、范围查询(比如「找出所有大于 x 的数」)→ 用二分或平衡树,哈希表是无序的,做不了。
- 字符串里的字符统计 → 用数组模拟哈希表,比如 26 个字母映射到 0~25,或者 ASCII 的 128 个位置。
- 数据范围大到开不下数组 (比如 10^9)→ 用真正的哈希表(
unordered_map/HashMap/dict),或者先离散化。
四、怎么用:从「数组模拟」开始
4.1 用数组模拟简易哈希表
哈希表并不神秘,最原始的形态就是一个数组。
它的原理叫直接寻址:如果键本身就是一个小范围的整数,那就直接拿它当数组下标。
代码块
index = key
n[index] = value
举个最常见的例子------统计字符串里每个字符出现的次数:
cpp
int cnt[26] = {0}; // 26 个桶,对应 a~z
for (char c : s) {
cnt[c - 'a']++; // 字符 -> 0~25 的下标
}
这里的 c - 'a' 就是最朴素的哈希函数 :把字符映射成一个合法的数组下标。查找某个字母出现几次,直接 cnt['x' - 'a'],O(1)。
再比如数据范围是 0 ~ 10^5 的整数,要频繁判断某个数出现过没有:
cpp
bool exist[100001] = {false};
exist[x] = true; // 标记
if (exist[y]) { /* ... */ } // O(1) 查询
适用条件:数据范围可控(一般 10^3 ~ 10^7,看内存),且键能映射成非负整数。
4.2 真正的哈希表:多一步「算下标」
当键不是小整数(比如字符串、大整数),就不能直接当下标了,需要先经过一个哈希函数把它压缩到数组范围内:
代码块
key ──hash()──> index ──> 桶
比如 int 类型的 15,经过 hash(15) 计算,落到数组的某个格子里。
既然是把大范围映射到小范围,就必然可能发生冲突:两个不同的键算出了同一个下标。常见的解决办法有两种:
- 拉链法:每个桶挂一个链表(或红黑树),冲突的元素挂在后面;
- 开放寻址:当前位置被占了,就按某种规则往后找空位。
这也是为什么哈希表的查找是「平均 O(1)」------冲突严重时会退化,最坏情况是 O(n)。工程上的哈希表会通过扩容、好的哈希函数把冲突控制在很低的水平。
实际写代码时,大多数语言已经帮你封装好了:
cpp
unordered_map<string, int> mp;
mp["apple"] = 3;
if (mp.count("apple")) { /* ... */ }
4.3 一个必须注意的坑:负数区间
如果你的数据范围里包含负数 ,比如 -10^5 ~ 10^5,那就不建议直接用数组模拟哈希表。
原因很简单:数组下标不能是负数。你必须额外加一个偏移量(offset),把所有值平移到非负区间:
代码块
index = key + offset // offset 通常取 |最小值|
例如范围是 -1000 ~ 1000,就令 offset = 1000,于是 index = key + 1000,映射到 0 ~ 2000。
这样做当然可行,但有两个代价:
- 每个下标都要多算一次加法,代码里到处是
+ offset,容易漏、容易错; - 空间会被「撑大」------实际只用到一部分,却要按整个区间开数组。
所以结论是:区间含负数时,优先考虑真正的哈希表(map),而不是数组模拟。
五、把四问串起来
| 问题 | 答案 |
|---|---|
| 是什么 | 存储键值对的容器,<index, n[index]> |
| 有啥用 | 快速查找,平均 O(1);遍历仍是 O(n) |
| 什么时候用 | 频繁查找某个数;数据范围小用数组,范围大用 map |
| 怎么用 | 键映射成下标 → 存进数组/桶;注意冲突与负数偏移 |
最后记住三句话:
- 哈希表 = 用空间换时间,O(1) 是平均,不是绝对。
- 数据范围小,数组就是最好的哈希表;范围大或含负数,老实用 map。
- 它无序,需要有序或范围查询时,请回到二分和平衡树。
理解了这四点,再去看 unordered_map、HashMap、dict 的源码和扩容策略,就不会觉得那是魔法了。