5月iOS設備性能榜：M1 M2依舊是榜單前五
和上個月一樣，沒有新品發(fā)布的iOS設備性能榜的上榜設備并沒有什么更替，僅僅只有跑分變化而產生的排名變動，剛剛開始的蘋果WWDC2023，推出的產品也依舊是新款Mac Pro、新款Mac Stu
哈嘍大家好，我是咸魚
接觸過 Python 的小伙伴應該對【字典】這一數據類型都了解吧
雖然 Python 沒有顯式名稱為“哈希表”的內置數據結構，但是字典是哈希表實現的數據結構
在 Python 中，字典的鍵（key）被哈希，哈希值決定了鍵對應的值（value）在字典底層數據存儲中的位置
那么今天我們就來看看哈希表的原理以及如何實現一個簡易版的 Python 哈希表
ps：文中提到的 Python 指的是 CPyhton 實現
哈希表（hash table）通常是基于“鍵-值對”存儲數據的數據結構
哈希表的鍵（key）通過哈希函數轉換為哈希值（hash value），這個哈希值決定了數據在數組中的位置。這種設計使得數據檢索變得非常快
舉個例子，下面有一組鍵值對數據，其中歌手姓名是 key，歌名是 value
圖片
如果我們想要將這些鍵值對存儲在哈希表中，首先需要將鍵的值轉換成哈希表的數組的索引，這時候就需要用到哈希函數了
哈希函數是哈希表實現的主要關鍵，它能夠處理鍵然后返回存放數據的哈希表中對應的索引
一個好的哈希函數能夠在數組中均勻地分布鍵，盡量避免哈希沖突（兩個鍵返回了相同的索引）
圖片
哈希函數是如何處理鍵的，這里我們創(chuàng)建一個簡易的哈希函數來模擬一下（實際上哈希函數要比這復雜得多）
圖片
這個簡易版哈希函數將歌手名（即 key）首字母的 ASCII 值與哈希表大小取余，得出來的值就是歌名（value）在哈希表中的索引
那這個簡易版哈希函數有什么問題呢？聰明的你一眼就看出來了：容易出現碰撞。因為不同的鍵的首字母有可能是一樣的，就意味著返回的索引也是一樣的
例如我們假設哈希表的大小為 10 ，我們以上面的歌手名作為鍵然后執(zhí)行 simple_hash(key, 10) 得到索引
圖片
可以看到，由于Juice WRLD 和 J.cole 的首字母都一樣，哈希函數返回了相同的索引，這里就發(fā)生了哈希碰撞
雖然幾乎不可能完全避免任何大量數據的碰撞，但一個好的哈希函數加上一個適當大小的哈希表將減少碰撞的機會
當出現哈希碰撞時，可以使用不同的方法（例如開放尋址法）來解決碰撞
應該設計健壯的哈希函數來盡量避免哈希碰撞
我們再來看其他的鍵，Kanye 通過 simple_hash() 函數返回 index 5，這意味著我們可以在索引 5 （哈希表的第六個元素）上找到 其鍵 Kanye 和值Come to life
圖片
在哈希表中，是根據哈希值（即索引）來尋找數據，所以可以快速定位到數據在哈希表中的位置，使得檢索、插入和刪除操作具有常數時間復雜度 O(1) 的性能
與其他數據結構相比，哈希表因其效率而脫穎而出
不但如此，哈希表可以存儲不同類型的鍵值對，還可以動態(tài)調整自身大小
Python 中的哈希表實現
在 Python 中有一個內置的數據結構，它實現了哈希表的功能，稱為字典
Python 字典（dictionary，dict）是一種無序的、可變的集合（collections），它的元素以 “鍵值對（key-value）”的形式存儲
字典中的 key 是唯一且不可變的，這意味著它們一旦設置就無法更改
圖片
在底層，Python 的字典以哈希表的形式運行，當我們創(chuàng)建字典并添加鍵值對時，Python 會將哈希函數作用于鍵，從而生成哈希值，接著哈希值決定對應的值將存儲在內存的哪個位置中
所以當你想要檢索值時，Python 就會對鍵進行哈希，從而快速引導 Python 找到值的存儲位置，而無需考慮字典的大小
圖片
可以看到，我們通過方括號[key]來訪問鍵對應的值，如果鍵不存在，則會報錯
圖片
為了避免該報錯，我們可以使用字典內置的 get() 方法，如果鍵不存在則返回默認值
圖片
在 Python 中實現哈希表
首先我們定義一個 HashTable 類，表示一個哈希表數據結構
圖片
在構造函數 __init__() 中：
在內部函數 _hash() 中，用于計算給定 key 的哈希值。它采用給定鍵 key 的第一個字符的 ASCII 值，并使用取余運算 % 將其映射到哈希表的索引范圍內，以便確定鍵在哈希表中的存儲位置。
然后我們接著在 HashTable 類中添加對鍵值對的增刪查方法
圖片
其中，set() 方法將鍵值對添加到表中，而 get() 該方法則通過其鍵檢索值。該 remove() 方法從哈希表中刪除鍵值對
現在，我們可以創(chuàng)建一個哈希表并使用它來存儲和檢索數據：
圖片
前面我們提到過，哈希碰撞是使用哈希表時不可避免的一部分，既然 Python 字典是哈希表的實現，所以也需要相應的方法來處理哈希碰撞
在 Python 的哈希表實現中，為了避免哈希沖突，通常會使用開放尋址法的變體之一，稱為“線性探測”（Linear Probing）
當在字典中發(fā)生哈希沖突時，Python 會使用線性探測，即從哈希沖突的位置開始，依次往后查找下一個可用的插槽（空槽），直到找到一個空的插槽來存儲要插入的鍵值對。
這種方法簡單直接，可以減少哈希沖突的次數。但是，它可能會導致“聚集”（Clustering）問題，即一旦哈希表中形成了一片連續(xù)的已被占用的位置，新元素可能會被迫放入這片區(qū)域，導致哈希表性能下降
為了緩解聚集問題，假若當哈希表中存放的鍵值對超過哈希表長度的三分之二時（即裝載率超過66%時），哈希表會自動擴容
最后總結一下：
本文鏈接：http://www.www897cc.com/showinfo-26-34685-0.htmlPython 哈希表的實現——字典
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯(lián)系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
上一篇： 十個殺手級VS Code插件
下一篇： PHP 8.3 正式發(fā)布！
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯(lián)系：2376512515@qq.com 津ICP備18001702號
津公網安備 12010102000574號