5、散列表

　　　　散列表——最有用的基本数据结构之一。

　　　　散列表的内部机制：实现、冲突和散列函数。

　　5.1　散列函数

　　　　散列函数是这样的函数，即无论你给它神秘数据，它都还你一个数字。（散列函数“将输入映射到数字”）。

　　　　散列函数必须满足：

　　　　（1）它必须是一致的。

　　　　（2）它应将不同的输入映射到不同的数字。最理想的情况是，将不同的输入映射到不同的数字。例如，如果一个散列函数不管输入是神秘都返回1，它就不是好的散列函数。

　　　　散列函数总是将同样的输入映射到相同的索引。

　　　　散列函数将不同的输入映射到不同的索引。

　　　　散列函数知道数组由多大，只返回有效的索引。如果数组包含五个元素，散列函数就不会返回无效索引100。

　　　　结合使用散列函数和数组创建了一种被称为散列表（hash table）的数据结构。数组和链表都被直接映射到内存，但散列表更复杂，它使用散列函数来确定元素的存储位置。

　　　　散列表也被称为散列映射、映射、字典和关联数组。

　　　　散列表的速度很快！

　　　　散列表使用数组来存储数据，因此其获取元素的速度与数组一样快。

　　　　Python 提供的散列表实现为字典，你可使用函数 dict 来创建散列表。

　　　　散列表适合用于：

　　　　（1）仿真映射关系；

　　　　（2）防止重复；

　　　　（3）缓存/记住数据，以免服务器再通过处理来生成它们。

 

　　　　代码清单5-1　散列表　　　　

# -*- coding:UTF-8 -*-# 创建一个空的散列表book = dict()# 在其中添加一些商品的价格# 一个苹果的价格为67美分book["apple"] = 0.67# 牛奶的价格为1.49美元book["milk"] = 1.49book["avocado"] = 1.49print book# result: {'avocado': 1.49, 'apple': 0.67, 'milk': 1.49}# 鳄梨的价格print book["avocado"]# result: 1.49

　　　　散列表由键和值组成。在前面的散列表 book 中，键为商品名，值为商品价格。散列表将键映射到值。

　　5.2　将散列表用于查找

　　　　手机都内置了方便的电话簿，其中每个姓名都有对应的电话号码。假设你要创建一个类似这样的电话簿，将姓名映射到电话号码。该电话簿提供如下功能：

　　　　（1）添加联系人及其电话号码；

　　　　（2）通过输入联系人来获取其电话号码。

　　　　代码清单5-2　使用散列表用于查找电话号码　

# -*- coding:UTF-8 -*-# 新建一个散列表# phone_book = {} 与 phone_book = dict()等效phone_book = dict()# 在这个电话簿中添加一些联系人的电话号码phone_book["jenny"] = 8675309phone_book["emergency"] =911# 查找Jenny的电话号码print phone_book["jenny"]

　　　　将网址映射到 IP 地址，这个过程被称为 DNS 解析（DNS resolution），散列表是提供这种功能的方式之一。

　　　　5.3　防止重复

　　　　如果你将已投票的姓名存储在列表中，这个函数的速度终将变得非常慢，因为它必须使用简单查找搜索整个列表。但这里将它们存储在散列表中，而散列表让你能够迅速知道来投票的人是否投过票。使用散列表来检查是否重复，速度非常快。

　　　　代码清单5-3　使用散列表防止重复

# -*- coding:UTF-8 -*-# 创建一个散列表，用于记录已投票的人voted = {}def check_voter(name):    # 有人来投票时，检查他是否在散列表中    if voted.get(name):        print "kick them out!"    else:        voted[name] = True        print "let them vote!"check_voter("tom")# result: let them vote!check_voter("mike")# result: let them vote!check_voter("mike")# result: kick them out!

 

　　　　5.4　将散列表用作缓存

　　　　缓存的工作原理：网站将数据记住，而不再重新计算。

　　　　缓存是一种常用的加速方式，所有大型网站都使用缓存，而缓存的数据则存储在散列表中。

　　　　代码清单5-4　请求Facebook的一个URL伪代码

cache = {}if cache.get{url}:    # 返回缓存的数据    return cache[url]else:    data = get_data_from_server(url)    # 先将数据保存到缓存中    cache[url] = data    return data

　　　　仅当URL不在缓存中时，你才让服务器做些处理，并将处理生成的数据存储到缓存中，再返回它。这样，当下次有人请求该URL时，你就可以直接发送缓存中的数据，而不用再让服务器进行处理了。

 　　　　5.5　冲突

　　　　处理冲突的方式很多，最简单的办法如下：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。

　　　　最理想的情况是，散列函数将键均匀地映射到散列表的不同位置。

　　　　如果散列表存储的链表很长，散列表的速度将急剧下降。然而，如果使用的散列函数很好，这些链表就不会很长。

　　　　5.6　性能

　　　　散列表的性能：

　　　　

　　　　在平均情况下，散列表执行各种操作的时间都为。被称为常量时间。它并不意味着马上，而是说不管散列表多大，所需的时间都相同。

 　　　　在使用散列表时，避开最糟糕情况至关重要。为此，需要避免冲突，而要避免冲突，需要有：

　　　　（1）较低的填装因子；

　　　　（2）良好的散列函数。