cpp算法之哈希

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:

  1. 是什么?
  2. 有啥用?
  3. 什么时候用?
  4. 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

复制代码
< 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

复制代码
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

复制代码
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

复制代码
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

复制代码
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

复制代码
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

复制代码
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:

  1. 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;
  2. 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:

  1. 哈希表 = 用空间换时间,O(1) 是平均,不是绝对。
  2. 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。
  3. 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。

相关推荐
开开心心就好2 小时前
两张表格数据对比工具,不用写函数也能查
算法·spring·智能手机·pdf·电脑·intellij-idea·音视频
lcj25112 小时前
[C++] C++11
开发语言·c++·笔记
电科_银尘2 小时前
【大模型算法与工程 02】线性回归与逻辑回归:从损失函数到决策边界
算法·逻辑回归·线性回归
玄昌盛不会编程4 小时前
LeetCode——2243. 计算字符串的数字和
java·算法·leetcode
小小bugbug5 小时前
带工作窃取的线程池
c++·线程池
电科_银尘6 小时前
【大模型算法与工程 01】机器学习的问题定义:监督、无监督、自监督与强化学习
人工智能·算法·机器学习
电科_银尘6 小时前
【大模型算法与工程 05】分类、回归与排序指标:怎样评价一个模型
算法·分类·回归
罗西的思考19 小时前
【轻量化复刻大模型 / KIMI K3】Multi-Token Prediction(MTP / EAGLE-3)(2)
人工智能·算法·机器学习
罗西的思考19 小时前
【轻量化复刻大模型 / KIMI K3】Multi-Token Prediction(MTP / EAGLE-3)(1)
人工智能·算法·机器学习