散列表(Hash table,也叫哈希表),是根据键(Key)而直接访问在内存存储位置的数据结构。也就是说,它通过计算一个关于键值的函数,
将所需查询的数据映射到表中一个位置来访问记录,这加快了查找速度。这个映射函数称做散列函数,存放记录的数组称做散列表。
一个通俗的例子是,为了查找电话簿中某人的号码,可以创建一个按照人名首字母顺序排列的表,在首字母为W的表中查找“王”姓的电话号码,
显然比直接查找就要快得多。这里使用人名作为关键字,“取首字母”是这个例子中散列函数的函数法则,存放首字母的表对应散列表。关键字和函数法
则理论上可以任意确定。
它仅支持插入,查找和删除三类字典操作,在散列表中查找一个元素的时间在最坏的情况下是O(n),这和链表的操作时间一致。在实际中,散列
的效率是非常高的,最高的查找期望时间为O(1)
在关键字的全域U比较小时,直接寻址是一种简单有效的方法。具体思路是取关键字或关键字的某个线性函数值为散列地址。即{hash(k)=k}或
{hash(k)=a*k+b},其中{a,b}为常数(这种散列函数叫做自身函数)
python语言是非常简洁的,我把python源码和算法导论的伪码对比发现,这伪码到python源码几乎可以算是一一对应,所以,我这里就贴出了
python源码,即直观又简洁:
KEYS = (12,6554,12345,34234,234234,6456456,34234,67645,2343432,23423,1343324) DELETED = -1 m=len(KEYS) T=[None for _ in range(m)] def h1(k): return k % m def HASH_INSERT(T,k): j=h1(k) if T[j]==None or T[j]==DELETED: T[j]=k return j def HASH_SEARCH(T,k): j=h1(k) if T[j] == k: return j if T[j]==None: return None def HASH_DELETE(T,k): i=HASH_SEARCH(T,k) if i is None: raise Exception("key %s doesn't exist"%k) T[i]=DELETED if __name__=='__main__': for k in KEYS: HASH_INSERT(T,k) print "all keys:" print(T) print "every key:" for k in KEYS: print(k,HASH_SEARCH(T,k)) print "del key1:" HASH_DELETE(T,KEYS[1]) print(T) print "none keys:" for k in KEYS: if HASH_SEARCH(T,k) is None: print(k) print "insert key1:" HASH_INSERT(T,KEYS[1]) print(T)
运行结果:
all keys: [234234, 12, 34234, 12345, 23423, None, 6456456, None, None, 6554, None] every key: (12, 1) (6554, 9) (12345, 3) (34234, 2) (234234, 0) (6456456, 6) (34234, 2) (67645, None) (2343432, None) (23423, 4) (1343324, None) del key1: [234234, 12, 34234, 12345, 23423, None, 6456456, None, None, -1, None] none keys: 6554 67645 2343432 1343324 insert key1: [234234, 12, 34234, 12345, 23423, None, 6456456, None, None, 6554, None]
作者:虚生 出处:https://www.cnblogs.com/dylancao/ 以音频和传感器算法为核心的智能可穿戴产品解决方案提供商 ,提供可穿戴智能软硬件解决方案的设计,开发和咨询服务。 勾搭热线:邮箱:1173496664@qq.com weixin:18019245820 市场技术对接群:347609188 |
![]() |