数据结构与算法（一）------散列表基本概念

极客时间学习日志，我理解散列表是数组的一种变种，散列表通过映射 将 key 映射为 数组下标。

散列表关联概念

 关键字（key）: 原始数据中的 标志信息，
 散列函数（Hash函数）：将 关键字 转化为 数组下标的 函数。常见：MD5 、SHA等
 散列值： 散列函数的输出，一般为数组下标。
 散列冲突： 不通的key值 ，通过散列函数，得到同样的散列值
 装载因子：  装载因子 = 散列表中已经被占用的位置数量/散列表总长

散列函数设计原则

 * 数组结果为 非负整数
 * key1 != key2 ，hash(key1) != hash(key2)
 * key1 = key2 ， hash(key1) = hash(key2)

解决散列冲突的方法

1. 开发寻址方法

   • 线性探测法： 通过hansh 映射查看当前位置是否空闲，若被占用，则从头开始找，步长为1，直到找到空闲位置。
   • 二次探测法： 通过hansh 映射查看当前位置是否空闲，若被占用，则从头开始找，步长变为上次的平方，直到找到空闲位置。
   • 双重散列： 设置多个散列函数，hash1、hash2等，若hash１重复，用hash2 依次后推

2. 链表法
   散列表中的，每个数组下标对应的slot 变更为链表，讲hash 值相同的数据 均放入链表中。

散列表的时间复杂度

查找/删除/插入 最小时间复杂度为 O(1)，最差为0（N）

应用

1. 假设我们有 10 万条 URL 访问日志，如何按照访问次数给 URL 排序？
2. 有两个字符串数组，每个数组大约有 10 万条字符串，如何快速找出两个数组中相同的字符串？

解决方案

1. 遍历 10 万条数据，以 URL 为 key，访问次数为 value，存入散列表，同时记录下访问次数的最大值 K，时间复杂度 O(N)。
   如果 K 不是很大，可以使用桶排序，时间复杂度 O(N)。如果 K 非常大（比如大于 10 万），就使用快速排序，复杂度 O(NlogN)。
2. 以第一个字符串数组构建散列表，key 为字符串，value 为出现次数。再遍历第二个字符串数组，以字符串为 key 在散列表中查找，如果 value 大于零，说明存在相同字符串。时间复杂度 O(N)。