散列表 - Hash Table
散列表 - Hash Table
「总结自《Grokking Algotithms》这本书第五章内容」
散列函数
哈希表（Hash Table），学名散列表。散列表最核心的部分就是散列函数。有了散列函数，无论你给它什么输入数据，它都还你一个数字。专业一点的话，就是散列函数将输入映射到数字。
散列函数必须满足以下条件：
- 必须是一致的。即对于同样的输出数据，都返回相同的结果。比如，每次输入 apple，返回结果都是 4。
- 应将不同的输入映射到不同的输出。如果一个散列表无论对于什么输入，返回的结果都是 1，那它就不是一个好的散列表。一个好的散列表应该对于不同的输入映射到不同的数字。
散列表
散列函数表示了一种映射关系。可以用这种映射关系来建立一个商品价格存储的表。而存储这种映射记录的表就是散列表。散列表由键和值组成。例如，在建立的商品价格列表中，键就是商品名，值就是商品对应的价格。在Python 中，使用字典（dict）就可以建立一个散列表：
>>> food = dict()
>>> food["apple"]=0.67
>>> food["milk"]=2.18
>>> food["tea"]=24.4
>>> food
{'apple': 0.67, 'milk': 2.18, 'tea': 24.4}
>>> food['apple']
0.67
>>> food['milk']
2.18
>>> food['tea']
24.4散列表可以用于很多地方。比如，用于电话簿的查找；用于浏览器缓存；还能用于防止重复。
冲突
前面提到散列函数，应该将不同的输入映射到不同的输出。但实际上，这很难做到。有时候会发生冲突，即：给两个键分配同一个位置。这就引起了问题，后面保存的值会将之前的值给覆盖掉，使之前的键，不能对应正确的值。
产生冲突了有解决办法吗？当然有，最简单的方法如下：如果两个键映射到了同一个位置，就在这个位置存储一个链表。但是这种解决方法存在弊端。如果该位置上的链表很长，则查找的时间就会很长。而除这个位置外，散列表其他位置的查找时间则依然很快。如果将所有的键都对应到一个值的位置上，该值的位置上用一个链表来连接所有的值。那么就和一开始就将所有的值都存储在链表中一样，查找的速度会很慢。
这里可以看出，如何设计散列函数是很重要的。最理想的状态是，将所有的键都均匀地映射到散列表的不同位置上。而且，如果散列函数设置好的话，链表就不会很长而导致速度很慢。
性能
在平均情况下，散列表执行各种操作的时间都为 O(1)，即为常量时间。常量时间不并不意味着马上，而是说不管散列表有多大，所需的时间都相同。而在最糟的情况下，散列表执行各种操作的时间都为 O(n)，即为线性时间。下面是散列表和数组，链表的对比：
数组 | 链表 | 散列表(平均情况) | 散列表(最糟情况) | |
|---|---|---|---|---|
插入 | O(n) | O(1) | O(1) | O(n) |
查找 | O(1) | O(n) | O(1) | O(n) |
删除 | O(n) | O(1) | O(1) | O(n) |
在平均情况下，散列表的查找速度与数组一样快，而插入和删除都与链表一样快，这相当于吸收了数组和链表两者的优点。但在最糟的情况下，是两者中的最差者，所有的操作都很慢。
所以，在使用散列表的时候，要避开最糟的情况。即，需要避开冲突。避开冲突有下面两种办法：
- 降低填装因子
- 使用良好的散列函数
填装因子
什么是填装因子呢？很简单，公式如下：
在散列表中，使用数组来存储数据。因此，需要计算数组中被占用的位置数。比如，一共有 10 个位置，而被元素占用的为 2 个，填装因子就为 2 / 10。最佳的情况是：10 个位置恰好被存在的 10 个元素占用，填装因子为 1。如果为 5 个位置的话，填装因子将为 2。即，散列表中的位置不够用，不可能让每个元素都有自己的位置。
所以，填装因子大于 1 意味着元素数量超过了数组的位置数量。一旦填装因子开始增大（经验表明大于 0.7 的时候），就需要在散列表中添加位置，即调整长度。这是一种非常麻烦的方法，一旦不够用就需要调整长度，开销很大，没人愿意频繁地做这种事。
良好的散列函数
上面的方法很麻烦，让我们来看看第二种方法。什么样的散列函数是良好的呢？良好的散列函数能够让数组中的值呈均匀分布，而糟糕的散列函数则会让值扎堆，导致大量的冲突。
现实生活中，有一个函数非常好用 - SHA 函数。感兴趣的可以深入研究一下。