【668】哈希算法

　　前面我们介绍过 【544】Geohash 相关说明，其实是有一定相关性的。同时跟 【553】rtree，R树 相关 也是有一些关系的。整体思想就是通过一定的规则也就是一个函数，将 key 映射到一个新的小的区域，然后在小的区域查找，就可以明显增加了效率。Geohash 就是将经纬度的坐标点都映射到不同的矩形框中；R树 也是将矢量图形映射到对应的矩形框中，然后分析矩形框之间，之后再细分。

　　言归正传，首先列下相关参考信息：

详解Python字典的底层原理——哈希表(Python面试必备)

关于Python中的字典(映射、哈希、散列)理解

使用python实现哈希表、字典、集合

小白入门——哈希算法

　　简单举个例子：

　　假设有一栋楼，住着1000人，你有个好朋友小王，住在这栋楼，你有急事要找他，你不知道他住几楼几号房间。这时你怎么办？你找到门卫处，向门卫说，我找小王。

　　列表的方法：

　　门卫说：我们这里每一个房间住着谁都有记录，这是记录本，你自己找吧！这个记录本有1000条记录，你从第一条开始翻，一条一条往下看，终于在第177条记录的时候找到了你的朋友小王所在的房间号。

　　字典的方法：

　　门卫说: 我这里有一个公式，只要你记得你的朋友的名字，就能很快的找到你朋友在几号房间。

　　这个公式是：hash(姓名)%1001

　　对你的朋友小王的名字进行hash运算，然后对得到的结果对1001进行取余操作，得到的数字就是你的朋友小王的房间号了，经过计算，你发现hash(‘小王’)%1001=177。

　　当然，上面的例子比较极端，总体来说，就是将 key 映射到一个个小的区域，然后在小的区域进行查找。再举个例子，假如说中国人的身份证号是唯一的，而且都生活在身份证地址所在的地方，加入我们想查找某个身份证 S 所对应的人，最简单的方法就是遍历，将全中国的人进行从头到尾的问，你的身份证是 S 吗，如果是，我们就找到了，最差的情况，我们可能需要问 14亿 次，但是如果换成 哈希算法，就是这样操作。首先建立一个 Hash 函数，通过这个函数可以将身份证映射到不同的省份，因此如果想要查找 S，那么直接去 S 所映射的省份即可，这样就大大增加了效率，同理，在省内，可以再构建一个 Hash 函数，映射到不同的市，然后到区，然后到街道，到小区，到最低的行政单位，这样才能高效的查找。这样做的好处就是非常快，坏处就是需要存储很多信息，因此空间复杂度会加大。

　　进入正题：

　　这就是哈希函数，通过一定的规则，将 key 映射到一个索引上面，然后存储到对应的索引上面，这样如果查找对应的 key 的时候，直接通过哈希函数查找对应的索引即可，存在哈希冲突的情况，即多个key映射到同一个索引上面，通过下面的拉链法来解决：

　　基本思路就是将映射到同一个索引的 key 值连接起来，因此查找到索引后，再在内部进行一次顺序查找。

　　1.python字典及其特性

　　字典是Python的一种可变、无序容器数据结构，它的元素以键值对的形式存在，键值唯一，它的特点搜索速度很快：数据量增加10000倍，搜索时间增加不到2倍；当数据量很大的时候，字典的搜索速度要比列表快成百上千倍1。

　　2.哈希表

　　Python字典的底层实现是哈希表。什么是哈希表，简单来说就是一张带索引和存储空间的表，对于任意可哈希对象，通过哈希索引的计算公式：hash(hashable)%k（对可哈希对象进行哈希计算，然后对结果进行取余运算），可将该对象映射为0到k-1之间的某个表索引，然后在该索引所对应的空间进行变量的存储/读取等操。