哈希表与C++

散列表(Hash table,也叫哈希表),是根据关键码值(Key value)而直接进行访问的数据结构。也就是说,它通过把关键码值映射到表中一个位置来访问记录,以加快查找的速度。这个映射函数叫做散列函数,存放记录的数组叫做散列表。
给定表M,存在函数f(key),对任意给定的关键字值key,代入函数后若能得到包含该关键字的记录在表中的地址,则称表M为哈希(Hash)表,函数f(key)为哈希(Hash) 函数。

本节将介绍哈希表的基本概念,与C++实现方法。

基本概念

  1. 若关键字为k,则其值存放在f(k)的存储位置上。由此,不需比较便可直接取得所查记录。称这个对应关系f为散列函数,按这个思想建立的表为散列表。

  2. 对不同的关键字可能得到同一散列地址,即k1≠k2,而f(k1)=f(k2),这种现象称为冲突(英语:Collision)。具有相同函数值的关键字对该散列函数来说称做同义词。综上所述,根据散列函数f(k)和处理冲突的方法将一组关键字映射到一个有限的连续的地址集(区间)上,并以关键字在地址集中的“像”作为记录在表中的存储位置,这种表便称为散列表,这一映射过程称为散列造表或散列,所得的存储位置称散列地址。

  3. 若对于关键字集合中的任一个关键字,经散列函数映象到地址集合中任何一个地址的概率是相等的,则称此类散列函数为均匀散列函数(Uniform Hash function),这就是使关键字经过散列函数得到一个“随机的地址”,从而减少冲突。

常用方法

散列函数能使对一个数据序列的访问过程更加迅速有效,通过散列函数,数据元素将被更快地定位。

实际工作中需视不同的情况采用不同的哈希函数,通常考虑的因素有:

  1. 计算哈希函数所需时间

  2. 关键字的长度

  3. 哈希表的大小

  4. 关键字的分布情况

  5. 记录的查找频率

1. 直接寻址法

取关键字或关键字的某个线性函数值为散列地址。即H(key)=key或H(key) = a·key + b,其中a和b为常数(这种散列函数叫做自身函数)。若其中H(key)中已经有值了,就往下一个找,直到H(key)中没有值了,就放进去。

2. 数字分析法

分析一组数据,比如一组员工的出生年月日,这时我们发现出生年月日的前几位数字大体相同,这样的话,出现冲突的几率就会很大,但是我们发现年月日的后几位表示月份和具体日期的数字差别很大,如果用后面的数字来构成散列地址,则冲突的几率会明显降低。因此数字分析法就是找出数字的规律,尽可能利用这些数据来构造冲突几率较低的散列地址。

3. 平方取中法

当无法确定关键字中哪几位分布较均匀时,可以先求出关键字的平方值,然后按需要取平方值的中间几位作为哈希地址。这是因为:平方后中间几位和关键字中每一位都相关,故不同关键字会以较高的概率产生不同的哈希地址。 [1]

例:我们把英文字母在字母表中的位置序号作为该英文字母的内部编码。例如K的内部编码为11,E的内部编码为05,Y的内部编码为25,A的内部编码为01, B的内部编码为02。由此组成关键字“KEYA”的内部代码为11052501,同理我们可以得到关键字“KYAB”、“AKEY”、“BKEY”的内部编码。之后对关键字进行平方运算后,取出第7到第9位作为该关键字哈希地址,如下图所示

关键字 内部编码 内部编码的平方值 H(k)关键字的哈希地址
KEYA 11052501 122157778355001 778
KYAB 11250102 126564795010404 795
AKEY 01110525 001233265775625 265
BKEY 02110525 004454315775625 315

4. 折叠法

将关键字分割成位数相同的几部分,最后一部分位数可以不同,然后取这几部分的叠加和(去除进位)作为散列地址。数位叠加可以有移位叠加和间界叠加两种方法。移位叠加是将分割后的每一部分的最低位对齐,然后相加;间界叠加是从一端向另一端沿分割界来回折叠,然后对齐相加。

5. 随机数法

选择一随机函数,取关键字的随机值作为散列地址,即$H(key)=random(key)$其中random为随机函数,通常用于关键字长度不等的场合。

6. 除留余数法

取关键字被某个不大于散列表表长m的数p除后所得的余数为散列地址。即$H(key) = key \mod p,p<=m$。不仅可以对关键字直接取模,也可在折叠、平方取中等运算之后取模。对p的选择很重要,一般取素数或m,若p选的不好,容易产生同义词。

处理冲突

1. 开放寻址法

$H_i=(H(key) + d_i) MOD m,i=1,2,…,k(k<=m-1)$,其中H(key)为散列函数,m为散列表长,$d_i$为增量序列,可有下列三种取法:
1.1. di=1,2,3,…,m-1,称线性探测再散列;
1.2. di=1^2,-1^2,2^2,-2^2,⑶^2,…,±(k)^2,(k<=m/2)称二次探测再散列;
1.3. di=伪随机数序列,称伪随机探测再散列。

2. 再散列法

$H_i=RH_i(key), i=1,2,…,k$ ,$RH_i$均是不同的散列函数,即在同义词产生地址冲突时计算另一个散列函数地址,直到冲突不再发生,这种方法不易产生“聚集”,但增加了计算时间。

3. 链地址法(拉链法)

4. 建立一个公共溢出区

查找性能

​ 散列表的查找过程基本上和造表过程相同。一些关键码可通过散列函数转换的地址直接找到,另一些关键码在散列函数得到的地址上产生了冲突,需要按处理冲突的方法进行查找。在介绍的三种处理冲突的方法中,产生冲突后的查找仍然是给定值与关键码进行比较的过程。所以,对散列表查找效率的量度,依然用平均查找长度来衡量。
​ 查找过程中,关键码的比较次数,取决于产生冲突的多少,产生的冲突少,查找效率就高,产生的冲突多,查找效率就低。因此,影响产生冲突多少的因素,也就是影响查找效率的因素。影响产生冲突多少有以下三个因素:

  1. 散列函数是否均匀;
  2. 处理冲突的方法;
  3. 散列表的装填因子。
    散列表的装填因子定义为:α= 填入表中的元素个数 / 散列表的长度
    α是散列表装满程度的标志因子。由于表长是定值,α与“填入表中的元素个数”成正比,所以,α越大,填入表中的元素较多,产生冲突的可能性就越大;α越小,填入表中的元素较少,产生冲突的可能性就越小。
    实际上,散列表的平均查找长度是装填因子α的函数,只是不同处理冲突的方法有不同的函数。

C++

C++中的STL提供了hash_map来实现哈希表功能,但在C++11中,unordered_map作为一种关联容器,替代了hash_mapunordered_map的底层实现是hash表,所以被称为无序关联容器。
不管是map还是unordered_map都是一种 key-map(value) 映射的容器,提供非常高的查找效率,下面我们来了解unordered_map的用法。

预备知识

在讲解unordered_map之前,我们先得了解一些预备知识:

元素类型

除常用的语言内置类型以外,unordered_map的元素类型大致有以下几种:

  • value_type : unordered_map元素类型,这种类型的形式为 key-map类型,key和map的类型都是模板类型。
  • key_type : key,模板类型
  • mapped_type :map,即我们常说的value,模板类型
  • pair类型 :pair类型也是STL中的常用类型,原型为template <class T1, class T2> struct pair;由于unordered_map使用的就是Key-Map匹配对,所以在这里使用比较多。

概念

  • 插槽:英文为bucket,又可以翻译成桶。在hash表中,hash函数通常返回一个整型(或无符号整型)元素,对应hash表的数组下标,但是数组类型通常为指针指向一片内存或者是一个链表头,对应许多元素,就像一个桶可以装很多元素,这里称为插槽。

构造函数

explicit unordered_map ( size_type n = N,const hasher& hf = hasher(),const key_equal& eql = key_equal(),const allocator_type& alloc = allocator_type() );

这个构造函数接受无参数构造

  • n:为hash表的最小插槽数,如果未指定,将会被自动确定(取决于特定的库实现,并不固定)
  • hf: hash函数,因为底层实现是hash表,必然就有hash函数,STL提供了非常全面的不同类型的hash函数实现,也可以自己实现hash函数。
  • key_equal:判断两个key对象的hash值相等以确定查找的命中,STL提供了大部分的不同类型的key_equal实现,同样也可以实现hash函数
  • alloc:容易使用的内存构造器,可选择不同的内存构建方式
explicit unordered_map ( const allocator_type& alloc );

指定unordered_map的构造器

template <class InputIterator>
unordered_map ( InputIterator first, InputIterator last,size_type n = N,const hasher& hf = hasher(),const key_equal& eql = key_equal(),const allocator_type& alloc = allocator_type() );

接收输入迭代器构造方式,将迭代器指向的元素区间进行复制构造

unordered_map ( const unordered_map& ump );
unordered_map ( const unordered_map& ump, const allocator_type& alloc );

复制构造,第二个可指定构造器

unordered_map ( unordered_map&& ump );
unordered_map ( unordered_map&& ump, const allocator_type& alloc );

移动构造方式,这个C++11中新支持的特性,移动构造方式提供临时变量的引用,即右值引用的功能,&表示左值引用,&&表示右值引用。


unordered_map ( initializer_list<value_type> il,size_type n = N,const hasher& hf = hasher(),const key_equal& eql = key_equal(),const allocator_type& alloc = allocator_type() );

以传入列表的形式构造

示例:

std::unordered_map[std::string,std::string](std::string,std::string) strmap( {{"name","downey"},{"age","500"}} );

成员函数

迭代器

at()
mapped_type& at ( const key_type& k );
const mapped_type& at ( const key_type& k ) const;

根据Key值查找容器内元素,并返回map元素的引用。

示例:

std::unordered_map<std::string,int> mymap={"key",111};
map.at("key")=123;
map.at("key")+=123;
begin()
iterator begin() noexcept;
const_iterator begin() const noexcept;
local_iterator begin ( size_type n );
const_local_iterator begin ( size_type n ) const;

指向容器内第一个元素的迭代器。迭代器访问元素时,it->first对应key,it->second对应map(value).

end()
iterator end() noexcept;
const_iterator end() const noexcept;
local_iterator end (size_type n);
const_local_iterator end (size_type n) const;

指向容器内最后一个元素的后一个位置的迭代器。

cbegin()
const_iterator cbegin() const noexcept;
const_local_iterator cbegin ( size_type n ) const;

返回const类型的第一位置迭代器

cend()

返回const类型的最后一个位置的下一位置的迭代器。

清空:clear()

void clear() noexcept;

删除容器内所有元素。

计数:count()

size_type count ( const key_type& k ) const;

某个key值对应的map(value)值的数量,因为unordered_map不允许重复元素,所以返回值总是0或1

emplace()

template <class... Args>
pair<iterator, bool> emplace ( Args&&... args );

如果key元素是唯一的,在unordered_map中插入新元素,使用Args作为元素构造函数的参数来构造这个新元素。参数为右值引用。
示例:

mymap.emplace ("NCC-1701", "J.T. Kirk");

即可插入相应的map元素

emplace_hint()

template <class... Args>
iterator emplace_hint ( const_iterator position, Args&&... args );

与emplace()操作一致,position参数则是提供一个建议搜索位置的起点的提示,可以优化执行时间。

判断是否为空:empty()

bool empty() const noexcept;

判断容器是否为空,返回bool值

擦除:erase()

iterator erase ( const_iterator position );
size_type erase ( const key_type& k );
iterator erase ( const_iterator first, const_iterator last );

根据不同的索引擦除插槽中的元素.

查找:find()

iterator find ( const key_type& k );
const_iterator find ( const key_type& k ) const;

查找函数,通过key查找一个元素,返回迭代器类型。

查找:bucket()

size_type bucket ( const key_type& k ) const;

以key值寻找元素在容器中的位置。

示例:

str_map map1;
map1.insert({"downey","hello"});
cout<<map1.bucket (it->first)<<endl;
output:
2

从返回值可以看出,即使是插入的第一个元素,位置也不一定是1,这跟容器的hash实现相关。

插入:insert()

pair<iterator,bool> insert ( const value_type& val );

直接插入元素类型,返回pair类型,返回值pair第一元素是插入元素迭代器,第二元素表示操作是否成功

template <class P>
pair<iterator,bool> insert ( P&& val );

移动插入方式,可以传入右值插入

iterator insert ( const_iterator hint, const value_type& val );

用户给出一个插入起点以优化查找时间

template
iterator insert ( const_iterator hint, P&& val );
template
void insert ( InputIterator first, InputIterator last );

复制型插入,将(first,last]所包含的内容全部复制插入

void insert ( initializer_list<value_type> il );

插入一个列表形式的元素

比较:key_eq()

key_equal key_eq() const;

返回比较关键相等性的函数。获取key equal函数,key_equal函数为判断key值是否匹配,在一般情况下,hash函数并不能保证每一个输入对应一个独一无二的输出,可能多个输入会对应同一个输出,这就是hash冲突。可能一个槽内同时由多个元素,这时候就需要使用key_equal来进行进一步判断。

运算符重载

‘=’ 运算符重载
unordered_map& operator= ( const unordered_map& ump );
unordered_map& operator= ( unordered_map&& ump );
unordered_map& operator= ( intitializer_list<value_type> il );

以不同方式对容器进行赋值。

‘[]’ 操作符重载
mapped_type& operator[] ( const key_type& k );
mapped_type& operator[] ( key_type&& k );

[]操作符重载,使得容易可以通过map[Key]的方式进行索引。

重建:rehash()

void rehash( size_type n );

重建hash表,将插槽的数量扩展的n,如果n小于目前插槽数量,这个函数并不起作用。

翻转:reserve()

void reserve ( size_type n );

将容器的插槽数设置成最适合n个元素的情况,这样可以避免多次rehash和直接rehash空间的浪费。

与rehash相比,这个函数由用户给一个插槽数量建议值,由系统去分配空间,而rehash则是指定容器的插槽值

大小:size()

size_type size() const noexcept;

返回当前容器中元素的个数

交换:swap()

void swap ( unordered_map& ump )

交换两个容器的内容,两个容器的类型必须一致,但大小可以不同。

内部信息获取

get_allocator()
allocator_type get_allocator() const noexcept;

返回容器目前使用的内存构造器。

hash_function()
hasher hash_function() const;

获取hash容器当前使用的hash函数

bucket_count()
size_type bucket_count() const noexcept;

返回hash表的插槽值个数,这个函数的值对应构造函数中的n(最小插槽数)参数。

max_bucket_count()
size_type max_bucket_count() const noexcept;

返回容器所能支持的最大插槽数,根据平台不同而不同,一般是一个非常大的数字。

bucket_size()
size_type bucket_size ( size_type n ) const;

这个函数返回每个插槽中的元素数量。

max_load_factor()
float max_load_factor() const noexcept;
void max_load_factor ( float z );

第一个函数是查询目前容器最大的负载因子,默认为1。

第二个函数是进行最大的负载因子的设置。

max_size()
size_type max_size() const noexcept;

容器可支持的元素最大数量,linux平台下,使用4.8.5的STL库中这个值是:268435455

load_factor()
float load_factor() const noexcept;

load factor在中文中被翻译成负载因子,负载因子是容器中元素数量与插槽数量之间的比例。即:

load_factor = size / bucket_count

遍历

使用迭代器遍历
unordered_map<int,int> map;
for(auto n:deck)
{
map[n]++;
}
int res=map[deck[0]];
unordered_map<int, int>::iterator iter;
for(iter = map.begin(); iter != map.end(); iter++)
{
res = gcd(res,iter->second);
}
return res>=2;
posted @ 2020-03-26 03:32  少年笔谈  阅读(1001)  评论(0编辑  收藏  举报