数据结构===散列表

2024-05-04 06:12
文章标签 数据结构 列表

本文主要是介绍数据结构===散列表,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

文章目录

  • 概要
  • 散列思想
  • 散列函数
  • 散列冲突
    • 开放寻址法
      • 装载因子
    • 链表法
  • 代码Java
  • 小结

概要

散列表是一种很有趣的数据结构。
散列表是一个很有用的数据结构。它是数组演练而来的,又是一个基于数组的扩展的数据结构。接下来看看。

散列思想

散列表用的是数组支持按照下标随机访问数据的特性,所以散列表其实就是数组的一种扩展,由数组演化而来。可以说,如果没有数组,就没有散列表。
散列表是由key和hash组成的。

散列函数

散列函数很重要的,牵扯到后边的散列冲突。

构造散列函数,三点基本要求:

  1. 散列函数计算得到的散列值是一个非负整数
  2. 如果key1 = key2,那么hash(key1) == hash(key2)
  3. 如果key1 != key2, 那么hash(key1) != hash(key2)
    散列冲突无法完全避免。散列函数的应用挺多的,像MD5,SHA,CRC等等,都是应用了散列函数。接下来看看散列冲突。

散列冲突

散列冲突无法避免。

散列冲突无法避免,那我们聊聊散列冲突怎么解决。通常由2种方式,及开放寻址法和链表法。

开放寻址法

基于数组的解决方案。
开放寻址法的核心思想是,如果出现了散列冲突,我们就重新探测一个空闲位置,将其插入。其中有线性检测,二次探测,双重散列。其中,不管哪种,如果列表空闲位置不多,都会增加散列冲突发生的概率。为了减小散列冲突发生的概率,一般都会保证有一定比例的空闲槽位。用装载因子表示空闲槽位的多少。

装载因子

计算公式:
散列表的装载因子=填入表中的元素个数/散列表的长度
这个也更重要。

链表法

链表法是一种更加常用的散列冲突解决办法,相比开放寻址法,它要简单很多。也就是一个槽位对应一个链表。这就不难,当散列表效率最差的时候,就退化成链表了。当然,如果比较均匀,它的效果还是很好的。

代码Java

public class HashTable<K, V> {/*** 散列表默认长度*/private static final int DEFAULT_INITAL_CAPACITY = 8;/*** 装载因子*/private static final float LOAD_FACTOR = 0.75f;/*** 初始化散列表数组*/private Entry<K, V>[] table;/*** 实际元素数量*/private int size = 0;/*** 散列表索引数量*/private int use = 0;public HashTable() {table = (Entry<K, V>[]) new Entry[DEFAULT_INITAL_CAPACITY];}static class Entry<K, V> {K key;V value;Entry<K, V> next;Entry(K key, V value, Entry<K, V> next) {this.key = key;this.value = value;this.next = next;}}/*** 新增** @param key* @param value*/public void put(K key, V value) {int index = hash(key);// 位置未被引用,创建哨兵节点if (table[index] == null) {table[index] = new Entry<>(null, null, null);}Entry<K, V> tmp = table[index];// 新增节点if (tmp.next == null) {tmp.next = new Entry<>(key, value, null);size++;use++;// 动态扩容if (use >= table.length * LOAD_FACTOR) {resize();}}// 解决散列冲突,使用链表法else {do {tmp = tmp.next;// key相同,覆盖旧的数据if (tmp.key == key) {tmp.value = value;return;}} while (tmp.next != null);Entry<K, V> temp = table[index].next;table[index].next = new Entry<>(key, value, temp);size++;}}/*** 散列函数* <p>* 参考hashmap散列函数** @param key* @return*/private int hash(Object key) {int h;return (key == null) ? 0 : ((h = key.hashCode()) ^ (h >>> 16)) % table.length;}/*** 扩容*/private void resize() {Entry<K, V>[] oldTable = table;table = (Entry<K, V>[]) new Entry[table.length * 2];use = 0;for (int i = 0; i < oldTable.length; i++) {if (oldTable[i] == null || oldTable[i].next == null) {continue;}Entry<K, V> e = oldTable[i];while (e.next != null) {e = e.next;int index = hash(e.key);if (table[index] == null) {use++;// 创建哨兵节点table[index] = new Entry<>(null, null, null);}table[index].next = new Entry<>(e.key, e.value, table[index].next);}}}/*** 删除** @param key*/public void remove(K key) {int index = hash(key);Entry e = table[index];if (e == null || e.next == null) {return;}Entry pre;Entry<K, V> headNode = table[index];do {pre = e;e = e.next;if (key == e.key) {pre.next = e.next;size--;if (headNode.next == null) use--;return;}} while (e.next != null);}/*** 获取** @param key* @return*/public V get(K key) {int index = hash(key);Entry<K, V> e = table[index];if (e == null || e.next == null) {return null;}while (e.next != null) {e = e.next;if (key == e.key) {return e.value;}}return null;}
}

小结

散列表学习总结

散列表是一种基于数组数据结构。有key和hash组成。重点是散列冲突如何解决,怎么减少散列碰撞发生的概率,设计装载因子和散列函数。如何解决散列冲突呢?有开放寻址法和链表法2种方法。然后就是看看java如何实现的,当然也有其他语言的,只是没有一一列举出来。关键是算法学会了,什么语言实现都不重要了。

这篇关于数据结构===散列表的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/958491

相关文章

【深入理解MySQL的索引数据结构】

文章目录 📕索引底层数据结构与算法📙索引数据结构📘二叉树📘红黑树📘Hash📘B-Tree📘B+Tree 📙表在不同存储引擎的存储结构📘MyISAM存储引擎索引实现📚文件结构📚非聚集索引 📘InnoDB存储引擎索引实现📚文件结构📚聚集索引 📙为什么DBA总推荐使用整型自增主键做索引📙为什么非主键索引结构叶子节点存储的是主键值?📙MySQL最左前缀优化原则是怎

【董晓算法】竞赛常用知识点之数据结构1

前言: 本系列是学习了董晓老师所讲的知识点做的笔记 董晓算法的个人空间-董晓算法个人主页-哔哩哔哩视频 (bilibili.com)  动态规划系列(还没学完) 【董晓算法】动态规划之线性DP问题-CSDN博客 【董晓算法】动态规划之背包DP问题(2024.5.11)-CSDN博客 【董晓算法】动态规划之背包DP与树形DP-CSDN博客 字符串系列 【董晓算法】竞赛常用知识之字符

【高阶数据结构(四)】图的最短路径问题

💓博主CSDN主页:杭电码农-NEO💓   ⏩专栏分类:高阶数据结构专栏⏪   🚚代码仓库:NEO的学习日记🚚   🌹关注我🫵带你学习更多数据结构   🔝🔝 高阶数据结构 1. 前言2. 单源最短路径问题3. dijkstra算法讲解4. bellman-Ford算法讲解5. 多源最短路径问题6. Floyd-Warshall算法讲解7. 总结

数据结构——软考探究(一)

继上篇博客之后,对软考涉及的知识有了更深入的研究,本篇博客将会和大家分享对于数据结构的学习。数据结构是软考中比较重要的一块知识,它介绍了计算机中数据的内部构成,即一个数据由那些成分数据构成,以什么方式构成,呈什么结构。对于我们对于计算机知识的深入研究有很好的帮助,同时以此为基础也会很好地帮助我们去挖掘计算机的潜能,实现各方面性能的最优化。 对于数据结构的知识,自己总结了以下的框图:

java并发编程第六章(3)使用阻塞式线程安全列表

使用阻塞式线程安全列表 2.使用阻塞式线程安全列表 阻塞式列表与非阻塞式列表的主要区别是:阻塞式列表在插入和删除操作时,如果列表已经满或者已经空了的话,操作不会被立即执行。 而是将调用换这个操作的线程阻塞 直到操作可以执行成功。 本节使用LinkedBlockingDeque类来实现阻塞式列表。 使用方法: take():从列表中取出字符串,如果列表为空,调用这个方法将被阻塞到列表

java并发实战第六章(2)非阻塞式线程安全列表与一般List集合多线程情况下的比较

这里我把ConcurrentLinkedDeque与List进行对比测试了一下,发现在多线程情况下一般的集合会出现很大的并发性问题,下面就一起探索一下 1.使用ConcurrentLinkedDeque实现的多线程读写数据 任务:添加大量的数据到一个列表集合中 从同一个列表中移除大量的数据 /*** * @author fcs* @date 2015-6-21* 描述:向集合中添加元素,添

长期不操作session失效,导致登录页嵌套在数据列表区域

大致可参考如下代码进行解决  //判断是否在iframe中           if(self!=top){               window.parent.parent.parent.window.location.reload();         }

【数据结构】排序(直接插入排序,希尔排序)

目录 一、排序的概念  二、常见的排序算法  三、插入排序 1.直接插入排序  1.直接插入排序实现 2.直接插入排序特性及复杂度 2.希尔排序  1.排序思路 2.希尔排序实现  3.希尔排序的特性及复杂度  一、排序的概念 排序:所谓排序,就是使一串记录,按照其中的某个或某些关键字的大小,递增或递减的排列起来的操作。 稳定性:假定在待排序的记录序列中,存在

[数据结构]红黑树的原理及其实现

文章目录 红黑树的特性红黑树的时间复杂度推导:结论红黑树与AVL树比较 红黑树的插入红黑树的节点定义调整策略思考情况2:思考情况3: 代码实现myBTRee.htest.cpp 红黑树的特性 红黑树最常用的平衡二叉搜索树。跟AVL树不同的是,红黑树是依靠节点的颜色来维护平衡的。虽然任意节点不具备严格平衡,但是数据的查找、插入、删除等操作效率依旧出色。下面是红黑树的一些特性:

408学习笔记-数据结构-2-线性表

线性表 1、逻辑结构 1、数据结构只有一种逻辑结构,而可以有两种存储结构,有多种抽象运算。 2、线性表是一种逻辑结构,属于总线性结构——线性结构的一种,同属于线性结构的逻辑结构还有:栈、队列和数组。 3、线性表定义:具有相同数据类型的 n n n 个数据元素的有限、有序的列表。 4、线性表的特点: (1)表中元素有限。 (2)表中元素具有逻辑上的顺序性,表中