😇 😇hello!我是bug。前面几期我们讲解了树的相关结构,今天我们就要进入哈希表的学习了:
(代码可能会有一点问题,请各位老铁指正 😘 😘 )
一、哈希
🌵🌵在前面,我们学习了红黑树、AVL树的相关性质,他们增删查改的时间复杂度都是O(logN),这个效率已经是比较高的了。但是有没有一种数据结构,(不需要进行比较就可以直接增删查改)它进行增删查改的时间复杂度为O(1) 呢?下面我们就要介绍这种数据结构——哈希表。
🍉 1、什么是哈希?
🌵🌵哈希(Hash):散列函数,其本质是映射。
🌻 🌻那么映射又是什么呢?如下图:(例如医院的挂号系统)
其中我们存入一对键值,通过序号我们就可以找到人员。而序号和姓名之间就是一种映射关系。(也就是KV模型)
🌵🌵 哈希表(HashTable):是根据关键码值(Key value)而直接进行访问的数据结构。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。
通过这种映射关系,那么我们就可以直接通过key值直接找的相应的数据,插入和删除数据时也可以直接根据key值进行插入删除,其时间复杂度就是O(1) 。
🌵🌵作用:哈希表在增删查改上的效率都是十分优秀的,一般我们都是通过哈希表来快速查找数据是否出现在表中。
🌵🌵哈希冲突:在绝大多数情况下,我们都会面临一个问题,那就是如何使一个位置映射一个数据。当我们开辟一个数组时,我们是采用下标来进行映射的,即每一个下标都会映射数据。但是当多个数据都映射到同一个位置时,那么就产生了哈希冲突。对于哈希冲突我们是要尽量避免的,因为哈希冲突会降低我们增删查改的效率。(具体原因下面再介绍)
🌵🌵哈希表的K模型和KV模型:和前面的红黑树(AVL树)一样,所以哈希表也可以封装map和set。C++中的unordered_map和unordered_set的底层就是哈希表。
🌵🌵缺点:当我们要对大量数据进行操作时,要开辟大量的空间来存储数据。而且,散列函数的采用也是至关重要的(尽量避免哈希冲突),那么我们要采取哪种散列函数来进行映射呢?(下面进行介绍)
🍉 2、直接定址法
假设有这样一个数组,我们要将它存入哈希表中:
我们直接根据元素的实际大小进行插入。
如上图,即每一个下标都对应一个相应的数据,没有对应的数据就为空。
🍏 注意 ❗️ ❗️
🌳🌳 (1)开辟数组的时候,一定要知道数据的范围,并根据数据的范围开辟数组,如果数据的大小超过了数组的大小就会越界。
🌳🌳(2)采用直接定址法一定要数据比较集中,因为最大最小数据如果相差太大,那么浪费的空间也会很多。
🌳🌳(3)如果我们存储的是整型,那么不需要担心哈希冲突,因为每个数值都对应唯一的位置。
🌻 🌻但是,当我们存入的数据不是整型的时候我们就要考虑如何来进行映射?
🌻 🌻其实在大多数情况下,我们采用unordered_map和unordered_set存储的都是字符串,那我们如何将字符串和下标联系起来呢?
可能你会觉得字符都有对应的ASCII码,我们可以用字符的ASCII来进行对应。但是这种情况下就不可避免的会出现哈希冲突,因为只要我们不规定字符串的长度,那么字符串就是无穷无尽的,通过其ASCII来对应是一定会产生冲突的。(对于哈希冲突的解决我们下面再来进行详细的介绍)
🍉3、除留余数法(重点)
当一组数据中的最大和最小相差比较大时,就会浪费大量的空间。所以直接定址法就不再适用了,这时候我们就要采用除留余数法。
🌻 🌻什么是除留余数法呢?
假设有这样一个数组,如下图:
🌻 🌻如何通过除留余数法将数据存入哈希表中呢?
即我们将每一个数据对表的大小进行取模,取模过后数据就可以通过下标来映射相应的位置。
所以插入后数据如图:
除留余数法可以很好的避免空间大量的浪费,所以一般我们都采用除留余数法。当然,除留余数法也会产生哈希冲突。
除了直接定址法和除留余数法,我们还有其他的方法比如:平方取中法、折叠法、随机数法、数学分析法。(但是这些方法不常用,这里不做介绍)
🍏 注意❗️ ❗️
🌳🌳 哈希函数设计的越精妙,产生哈希冲突的可能性就越低,但是无法避免哈希冲突。
🍓 🍓 下面就是实现重点了,嘿嘿。
🍉4、解决哈希冲突
上面直接定址法和除留余数法都会产生哈希冲突的问题,下面我们就来解决:
🌱 闭散列
🌵🌵闭散列:也叫做开放定址法,当发生哈希冲突时,如果哈希表未被装满,说明在哈希表中必然还有空位置,那么可以把key存放到冲突位置中的“下一个” 空位置中去。那如何寻找下一个空位置呢?
🍄 (1) 线性探测
🌵🌵线性探测 :线性探测是计算机程序解决哈希表冲突时所采取的一种策略。
还是这个数组:
我们通过除留余数法,可以算得8和15取模后,其对应同一个位置,那么我们从这个位置开始,一个一个往后面去探测,直到找到一个空位置,就将数据插入。
但是会有这种情况,即:取模后发生冲突,然后向后面探测,直到探测到最后一个位置都没有发现空位置,那么我们就再从头开始进行探测。
(线性探测中探测的终点就是取模后对应的位置,因为当我们从开始取模位置探测,探测到最后一个位置都没有,那么我们再从头开始探测,如果还是没有,那么会又回到取模位置。所以我们表的大小一定要超过数据的个数。)
🍐 优点: 十分简单,好操作。
🍐 缺点: 会造成成片冲突。一旦发生哈希冲突,所有的冲突连在一起,容易产生数据“堆积”。(如下图)
如下数组:
其中每个数据取模后都对应下标为1的位置,通过线性探测插入后,如下图:
当我们进行删除查找的时候,都是通过取模找到位置1,如果位置1不是我们要查找的数据,就会向后面遍历,直到找到数据为止。这也是为什么哈希冲突的发生会造成效率下降,而当大量的哈希冲突扎堆时,其效率更会大幅度下降。所以,也就引出了下面的二次探测来缓解成堆的哈希冲突。
🍄 (2) 二次探测
🌵🌵二次探测:线性探测的缺陷是产生冲突的数据堆积在一块,这与其找下一空位置有关系,因为找空位置的方式就是挨着往后逐个去找,因此二次探测为了避免该问题,找下一个空位置的方法为: Hi= (H0 + i2)% m,或者:Hi = (H0 - i2)% m。其中:i = 1,2,3…, 是通过散列函数Hash(x)对元素的关键码 key 进行计算得到的位置,m是表的大小。
还是看图,有这样一组数据:
通过二次探测后,即15、22和8都对应位置1,先插入15,接着我们插入22时,二次探测,从i^2开始向后找空位置。i = 1时,就是取模位置的下一个,插入22 。插入8,向后面探测,i = 1时,已经插入了22。那么再探测i = 2时,也就是第一次位置的后面第四个位置,插入8 。
🍏 注意❗️ ❗️
🌳🌳 二次探测可以防止成堆的哈希冲突都连续存储,缓解了效率的下降。
🌱 开散列
🌵🌵开散列:也叫做 拉链法、哈希桶。首先对关键码集合用散列函数计算散列地址,具有相同地址的关键码归于同一子集合,每一个子集合称为一个桶,各个桶中的元素通过一个单链表链接起来,各链表的头结点存储在哈希表中。其本质就是一个指针数组,数组中存储的是单链表的首元素地址。
还是这个数组:
我们要将它插入哈希表(开散列)中,如下图:
当我们插入15、22和8时,取模计算位置,然后采用头插的方式,直接插入。发生哈希冲突的元素就通过链表进行存储。
二、闭散列(哈希)的模拟实现
🌻 🌻问题一:哈希表内部有什么结构?
(迭代器+哈希结点+哈希表。)
迭代器:正向迭代器内部成员有结点指针+哈希表的指针,因为结点和结点之间没有联系,我们要从一个结点跳转到下一个结点就要通过哈希表来进行调整。所以需要哈希表的指针,同时传参过程可以很巧妙地利用this指针完成。反向迭代器通过封装正向迭代器来实现,闭散列的哈希表可以完成自减的重载,所以反向迭代器可以实现。
哈希结点:成员变量有data数据,state状态。
哈希表:封装哈希结点和迭代器于一体。
🌻 🌻 问题二:当我们插入删除数据时,怎么判断当前位置是否可以操作?
使用一个枚举类型,里面包含EMPTY、EXITS、DELETE三种状态。默认状态为EMPTY,插入数据后状态变为EXITS,删除数据时,只要把状态改成DELETE即可。
🌻 🌻 是不是会觉得很困惑,为什么存在三种状态?DELETE有什么作用呢?
假设有一个哈希表,如下图:
当我们删除数据22时,将其置为EMPTY,但是会影响查找过程。查找时先计算数据的下标,如果当前位置数据不是查找的数据,那么向后依次查找,直到查到当前位置被标记为EMPTY时停止。在我们查找的过程中,如果删除数据就将其置EMPTY,当发生扎堆的哈希冲突,删除冲突中间的一个数据,就会影响对后面冲突数据的查询,所以要用DELETE进行标识,这样不会影响查找过程。如下图:
当我们查找8的时候,计算下标为1 。但是如果22被标记成EMPTY,那么查找到22这个位置时就停止,但是如果是DELETE,那么会继续向后面查找。
🌻 🌻 问题三:怎么控制哈希表的大小?
当我们的表过小时,会产生大量的哈希冲突,效率会大幅度下滑。但是当我们的表过大时,哈希冲突得到了缓解,但是大量的空间又会被浪费。所以这里我们引入负载因子,负载因子即:有效的数据的数量/哈希表的长度,当负载因子超过0.7的时候,我们就要给哈希表扩容。为什么选中0.7作为标准值呢?在0.7的时候,哈希冲突和空间浪费之间得到了平衡,算的上是比较好的选择了。
当我们对哈希表进行扩容后,映射关系要进行调整。因为扩容的本质是重新开辟更大的空间,再将数据拷贝过去。但是,当哈希表扩容,其映射关系也会发生改变。所以我们不能直接将数据原封不动的拷贝过去,而是要重新建立映射关系。
在VS的编译器里,其采用了 素数表。因为按照素数进行扩容,取模计算下标时不容易发生哈希冲突。(虽然我也不太清楚怎么计算的)
🌻 🌻问题四:哈希表有K模型和KV模型,我们如何实现呢?
采用仿函数来取pair键对中的key,即如果是K模型,那么直接返回;如果是键对模型,那么选出里面的key再返回。
🌻 🌻问题五:字符串(比较常用)通过什么方式进行转化可以更好的避免哈希冲突呢?
(这里我们也要采用仿函数来实现。)
(不可取)
(1)首字符的ACSII码
字符总共只有256个,如果只用首字符来映射的话,很容易产生哈希冲突。
(2)字符串内所有字符ASCII码值之和
所有字符ACSII码值之和也容易冲突,即字符串中的字符相同,但是顺序不同时,全部都会冲突。
对于字符串,一群大佬经过研究后得出了下面几种不容易冲突的算法:
🍋 BKDR哈希算法⬇️ ⬇️ :
hash = hash * 131 + ch; // 也可以乘以31、131、1313、13131、131313..
🍋 SDBM哈希算法⬇️ ⬇️ :
`hash = 65599 * hash + ch; `
🍋 RS哈希算法⬇️ ⬇️ :
template<class T>
size_t RSHash(const T *str)
{
register size_t hash = 0;
size_t magic = 63689;
while (size_t ch = (size_t)*str++)
{
hash = hash * magic + ch;
magic *= 378551;
}
return hash;
}
(剩下的就不介绍了,有兴趣的可以去看看。网址: 哈希算法)
🌻 🌻问题六:查找中怎么判断当前数据是否是我们需要的查找内容?
如果是内置类型,直接用等号比较即可。但是如果是自定义类型,它的比较就需要我们自己来完成。例如:字符串的比较,我们可以用string自己的等号重载来判断。所以采用仿函数来完成这项内容,需要比较自定义类型,那么就自己来写仿函数进行判断。
🌻 🌻 问题七:方括号(“[]”)的重载?
在KV模型中,方括号的重载是很重要的。即可以直接使用方括号进行插入数据,或者对数据进行修改。
进行重载中,调用insert函数进行插入,insert函数的返回是键对值。键对值中第一个参数迭代器类型,是插入位置的迭代器;第二个参数是布尔类型,判断插入是否成功。我们根据返回值中的迭代器参数可以获得插入位置的指针,然后再通过指针获得插入键对值中的V(这里插入过程中,V值为默认值),将V返回后,我们可以通过等号进行修改⬇️ ⬇️
V& operator[](const K& key)
{
return (insert(std::make_pair(key, V())).first._pnode->_data).second;
}
//使用方式
HTs["look"] = "看";
HTs.operator[]("eat") = "吃";
🌻 🌻其他问题:
因为迭代器中要使用哈希表的指针,而哈希表又要使用迭代器,所以我们需要添加一个前置声明。
迭代器中需要访问哈希表的私有成员_table,所以我们要把迭代器定义为哈希表的友元类。(不到万不得已,不使用友元,因为友元会破坏封装)
🍒 🍒 HashTable(闭散列)的完整代码⬇️ ⬇️ :
#pragma once
#include<iostream>
#include<vector>
#include<string>
using std::cin;
using std::cout;
using std::endl;
using std::vector;
using std::string;
using std::pair;
using std::make_pair;
//选出key
template<class K, class V>
struct PairSelect1st
{
const K& operator()(const pair<K, V>& kv) { return kv.first; }
};
template<class K>
struct KSelect1st
{
const K& operator()(const K& k) { return k; }
};
//转成整型
template<class K>
struct HashFunc
{
size_t operator()(const K& val) { return val; }
};
//模板的特化
template<>
struct HashFunc<std::string>
{
size_t operator()(const std::string& s1)
{
size_t sum = 0;
for (size_t i = 0; i < s1.size(); i++)
{
sum = sum * 131 + s1[i];
}
return sum;
}
};
//比较判断
template<class K>
struct equal_to
{
bool operator()(const K& lval, const K& rval) { return lval == rval; }
};
template<>
//模板特化
struct equal_to<std::string>
{
bool operator()(const std::string& s1, const std::string& s2) { return s1 == s2; }
};
//素数表
const int PRIMECOUNT = 28;
const size_t primeList[PRIMECOUNT] = {
53ul, 97ul, 193ul, 389ul, 769ul,
1543ul, 3079ul, 6151ul, 12289ul, 24593ul,
49157ul, 98317ul, 196613ul, 393241ul, 786433ul,
1572869ul, 3145739ul, 6291469ul, 12582917ul, 25165843ul,
50331653ul, 100663319ul, 201326611ul, 402653189ul, 805306457ul,
1610612741ul, 3221225473ul, 4294967291ul
};
namespace CloseHash
{
enum State { EMPTY, EXITS, DELETE };
template<class T>
struct HashData
{
T _data;//存储可能是k,可能是kv
State _state = EMPTY;//标识状态
HashData(const T& data = T(), State state = EMPTY) :_data(data), _state(state) {}
};
template<class K, class V, class T, class Pred, class Select1st, class HashFunc>
class HashTable;
template<class K, class V, class T, class Ref, class Ptr, class Pred = equal_to<K>
, class Select1st = PairSelect1st<K, V>, class HashFunc = HashFunc<K>>
struct Iterator
{
typedef HashData<T> HD;
typedef HashTable<K, V, T, Pred, Select1st, HashFunc> HT;
typedef Iterator<K, V, T, Ref, Ptr, Pred, Select1st, HashFunc> self;
typedef Ref reference;
typedef Ptr pointer;
HD* _pnode;
HT* _pht;
Iterator(HD* pnode = nullptr, HT* pht = nullptr) :_pnode(pnode), _pht(pht) { }
bool operator!=(const self& it)const { return _pnode != it._pnode; }
bool operator==(const self& it)const { return _pnode == it._pnode; }
Ref operator*() { return _pnode->_data; }
Ptr operator->() { return &_pnode->_data; }
self& operator++()
{
size_t index = HashFunc()(Select1st()(_pnode->_data)) % _pht->_table.size();
HD* cur = &_pht->_table[index];
//找到_pnode的位置
while (_pnode != cur)
{
index++;
//如果到尾没找到,就从头开始找
if (index >= _pht->_table.size())
index = 0;
cur = &_pht->_table[index];
if (_pnode == cur)
break;
}
index++;
if (index >= _pht->_table.size())
{
_pnode = nullptr;
return *this;
}
//去找_pnode后面的一个数据
cur = &_pht->_table[index];
while (cur->_state != EXITS)
{
index++;
//如果下标不小于_table的大小时,遍历结束
if (index >= _pht->_table.size())
{
_pnode = nullptr;
return *this;
}
cur = &_pht->_table[index];
}
_pnode = cur;
return *this;
}
self operator++(int) { self tmp = *this; ++*this; return tmp; }
self& operator--()
{
int index = HashFunc()(Select1st()(_pnode->_data)) % _pht->_table.size();
HD* cur = &_pht->_table[index];
//找到_pnode的位置
while (_pnode != cur)
{
index++;
if (index >= _pht->_table.size())
index = 0;
cur = &_pht->_table[index];
if (_pnode == cur)
break;
}
index--;
if (index < 0)
{
_pnode = nullptr;
return *this;
}
//去找_pnode前面的一个数据
cur = &_pht->_table[index];
while (cur->_state != EXITS)
{
index--;
//如果index小于0,那么就置空返回。
if (index < 0)
{
_pnode = nullptr;
return *this;
}
cur = &_pht->_table[index];
}
_pnode = cur;
return *this;
}
self operator--(int) { self tmp = *this; --(*this); return tmp; }
};
template<class iterator>
struct Reverse_Iterator
{
typedef const iterator const_reverse_iterator;
typedef typename iterator::reference Ref;
typedef typename iterator::pointer Ptr;
typedef Reverse_Iterator self;
iterator _it;
Reverse_Iterator(iterator it) :_it(it) {}
Ref operator*() { return *_it; }
Ptr operator->() { return &(*_it) ; }
self& operator++() { _it--; return *this; }
self operator++(int) { self tmp = *this; _it--; return tmp; }
bool operator ==(const self& it) { return _it._pnode == it._it._pnode; }
bool operator != (const self& it) { return _it._pnode != it._it._pnode; }
};
template
<class K,class V,class T,class Pred = equal_to<K>
,class Select1st = PairSelect1st<K, V>, class HashFunc = HashFunc<K>>
class HashTable
//参数有KVT(键对值),仿函数选择键对值的key,仿函数将非整型转换成整型,仿函数进行比较
{
template<class K, class V, class T, class Ref, class Ptr, class Pred, class Select1st, class >
friend struct Iterator;
typedef HashData<T> HD;
typedef HashTable<K, V, T, Pred, Select1st, HashFunc> HT;
public:
typedef Iterator<K, V, T, const T&, const T*, Pred, Select1st, HashFunc> const_iterator;
typedef Iterator<K, V, T, T&, T *, Pred, Select1st, HashFunc> iterator;
typedef Reverse_Iterator<const_iterator> const_reverse_iterator;
typedef Reverse_Iterator<iterator> reverse_iterator;
private:
vector<HD> _table;
size_t _n;//记录有效数据的个数
public:
HashTable() :_n(0) { }
HashTable(const HT& h)
{
for (auto& e : h._table)
{
if(e._state == EXITS)
insert(e._data);
}
_n = h._n;
}
HT& operator=(const HT& h) { HT tmp(h); swap(tmp); return *this; }
iterator begin()
{
//如果迭代器为空直接返回
if (_n == 0)
return iterator(nullptr, this);
size_t index = 0;
HD* cur = &_table[index];
while (cur->_state != EXITS)
{
index++;
if (index >= _table.size())
return iterator(nullptr, this);
cur = &_table[index];
}
return iterator(cur, this);
}
iterator end() { return iterator(nullptr, this); }
const_iterator cbegin()
{
//如果迭代器为空直接返回
if (_n == 0)
return const_iterator(nullptr, this);
size_t index = 0;
HD* cur = &_table[index];
while (cur->_state != EXITS)
{
index++;
if (index >= _table.size())
return const_iterator(nullptr, this);
cur = &_table[index];
}
return const_iterator(cur, this);
}
const_iterator cend() { return const_iterator(nullptr, this); }
reverse_iterator rbegin()
{
//如果迭代器为空直接返回
if (_n == 0)
return reverse_iterator(iterator(nullptr, this));
size_t index = _table.size() - 1;
HD* cur = &_table[index];
while (cur->_state != EXITS)
{
index--;
if (index < 0)
return reverse_iterator(iterator(nullptr, this));
cur = &_table[index];
}
return reverse_iterator(iterator(cur, this));
}
reverse_iterator rend() { return reverse_iterator(iterator(nullptr, this)); }
const_reverse_iterator crbegin()
{
//如果迭代器为空直接返回
if(_n == 0)
return const_reverse_iterator(const_iterator(nullptr, this));
size_t index = _table.size() - 1;
HD* cur = &_table[index];
while (cur->_state != EXITS)
{
index--;
if (index < 0)
return const_reverse_iterator(const_iterator(nullptr, this));
cur = &_table[index];
}
return const_reverse_iterator(const_iterator(cur, this));
}
const_reverse_iterator crend() { return const_reverse_iterator(const_iterator(nullptr, this)); }
void swap(HT& h)
{
_table.swap(h._table);
std::swap(_n, h._n);
}
V& operator[](const K& key) { return (insert(std::make_pair(key, V())).first._pnode->_data).second; }
pair<iterator,bool> insert(const T& data)
{
//仿函数挑选
Select1st st1;
//仿函数转化
HashFunc hf;
if (!_table.size())
_table.resize(53ul);
//先判断是否key重复
iterator ret = find(data);
if (ret._pnode != nullptr)
return std::make_pair(ret,false);
//负载因子调节表的大小
if ((double)_n / (double) _table.size() >= 0.7)
{
HT tmp;
tmp._table.resize(GetNextPrime(_table.size()));
auto it = _table.begin();
while (it != _table.end())
{
if (it->_state == EXITS)
tmp.insert(it->_data);
it++;
}
_table.swap(tmp._table);
}
//插入过程
size_t i = 1;//探测的数据
size_t index = (hf(st1(data))) % _table.size();//下标计算
while (_table[index]._state == EXITS)
{
//线性探测
index += i;
//二次探测
//index += i * i;
//i++;
if (index >= _table.size())
index %= _table.size();
}
_table[index]._data = data;
_table[index]._state = EXITS;
_n++;
return std::make_pair(iterator(& _table[index],this),true);
}
iterator find(const T& data)
{
Select1st slt;
HashFunc hf;
size_t index = hf(slt(data)) % _table.size();
//相等为真,这里需要先判断一次,再进循环
if (Pred()(slt(_table[index]._data), slt(data)))
return iterator(&_table[index], this);
while(1)
{
//相等为真
if (Pred()(slt(_table[index]._data), slt(data)))
return iterator(&_table[index], this);
if (_table[index]._state == EMPTY)
break;
index++;
//超过了,就取模
if (index >= _table.size())
index %= _table.size();
}
return iterator(nullptr,this);
}
bool erase(const T& data)
{
if (!empty())
{
iterator ret = find(data);
if (ret._pnode != nullptr)
{
ret._pnode->_state = DELETE;
_n--;
return true;
}
}
return false;
}
//获得素数
size_t GetNextPrime(size_t prime)
{
size_t i = 0;
for (; i < PRIMECOUNT; i++)
{
if (primeList[i] > prime)
return primeList[i];
}
return primeList[i];
}
bool empty()const { return _n == 0; }
size_t size()const { return _n; }
};
}
🍒 🍒 测试代码⬇️ ⬇️
//CloseHash(闭散列)
void Test_KV1()//KV模型:字典
{
CloseHash::HashTable
<string, string, pair<string, string>, equal_to<string>,PairSelect1st<string, string>> HTs;
pair<string, string> arr[] = {
make_pair("left", "左边") ,make_pair("right", "右边"),make_pair("up", "向上")
,make_pair("down", "向下"),make_pair("left","左边"),make_pair("eat","吃")
,make_pair("sleep","睡觉"),make_pair("run","跑"),make_pair("jump","跳") };
for (auto e : arr)
HTs.insert(e);
//方括号测试
HTs["look"] = "看";
//非const迭代器
CloseHash::HashTable<string, string, pair<string, string>
, equal_to<string>, PairSelect1st<string, string>>::iterator it1 = HTs.begin();
while (it1 != HTs.end())
{
cout << it1->first << ":" << it1->second << endl;
it1++;
}
cout << endl;
//反向迭代器
auto rit1 = HTs.rbegin();
while (rit1 != HTs.rend())
{
cout << rit1->first << ":" << rit1->second << endl;
rit1++;
}
cout << endl;
//删除测试
HTs.erase(make_pair("left", "左边"));
HTs.erase(make_pair("left", "左边"));
HTs.erase(make_pair("left", "左边"));
HTs.erase(make_pair("down", "向下"));
//const迭代器
CloseHash::HashTable<string, string, pair<string, string>
, equal_to<string>, PairSelect1st<string, string>>::const_reverse_iterator crit1 = HTs.crbegin();
while (crit1 != HTs.crend())
{
cout << crit1->first << ":" << crit1->second << endl;
crit1++;
}
cout << endl;
}
void Test_K1()//K模型
{
CloseHash::HashTable<string, string, string, equal_to<string>, KSelect1st<string>>HTs;
string arr[] = {
"left", "左边" ,"right", "右边","up", "向上"
,"down", "向下","left","左边","eat","吃"
,"sleep","睡觉","run","跑","jump","跳" };
for (auto e : arr)
HTs.insert(e);
//非const迭代器
CloseHash::HashTable<string, string, string,
equal_to<string>, KSelect1st<string>>::iterator it = HTs.begin();
while (it != HTs.end())
{
cout << *it << endl;
it++;
}
cout << endl;
//删除功能
HTs.erase("r");
HTs.erase("up");
HTs.erase("up");
HTs.erase("dowm");
//const迭代器
auto cit = HTs.cbegin();
while (cit != HTs.cend())
{
cout << *cit << endl;
cit++;
}
cout << endl;
}
三、开散列(哈希)的模拟实现
开散列中许多内容和闭散列一致,这里我们主要谈谈它的区别:
🌻 🌻 问题一:开散列需不需要状态来进行标识?
开散列不需要标识,插入发生哈希冲突时,直接头插即可。删除结点,如果只有一个结点,直接释放后,将_table中的指针置空。如果有多个结点,释放结点后,直接将前一个结点和后一个结点相连。查找也只需要计算下标后,找到对应的桶,然后进行查找。
🌻 🌻 问题二:开散列的迭代器如何实现?
和闭散列的迭代器类似,即需要结点指针和哈希表的指针。遍历过程就是一个一个桶进行遍历,桶内遍历直接根据next指针即可。桶间的转换需要借助哈希表的指针。因为我们的哈希表采用的是vector+forward_list,所以不能够重载自减,即无法实现反向迭代器。(单链表不支持,双向链表可以支持)
🌻 🌻 问题三:迭代器中的自增如何重载?
先计算当前结点指针处于哪一个桶中,然后去桶中遍历,直到找到当前结点指针,然后再判断,如果为尾,那么我们就去找下一个桶,直到找到存储数据的桶,然后将我们的结点指针修改成桶中的第一个指针。
🌻 🌻 问题四:极端情况应该怎么解决?
极端情况发生的概率极低,而且发生之后即使效率大幅度降低也只是暂时的,只要继续插入数据,效率又会恢复。但是在java中对这种情况还是进行了处理,即每次插入数据之后都会统计链表的长度,如果链表中的结点个数达到了8个,那么就会将单链表转化成红黑树来进行存储。如果发生扩容,即重新映射后,结点的个数小于8,那么又会转化成单链表进行存储。
🌻 🌻问题五:开散列的平衡因子该怎么来控制?
在开散列中其平衡因子设置为达到1时,进行扩容。即数据个数等于桶的个数。在开散列中,我们不用去担心数据的插入问题,因为不论多少个数据一定都可以插入,因为数据存储在链表中。但是当链表的长度过长时,其操作效率会大幅度下降,所以我们要控制好扩容时机,不能浪费过多的空间,同时也不能使效率下降的过多。
🍒 🍒 HashTable(开散列)的完整代码⬇️ ⬇️
#pragma once
#include<iostream>
#include<vector>
#include<string>
using std::cin;
using std::cout;
using std::endl;
using std::vector;
using std::string;
using std::pair;
using std::make_pair;
//选出key
template<class K, class V>
struct PairSelect1st
{
const K& operator()(const pair<K, V>& kv) { return kv.first; }
};
template<class K>
struct KSelect1st
{
const K& operator()(const K& k) { return k; }
};
//转成整型
template<class K>
struct HashFunc
{
size_t operator()(const K& val) { return val; }
};
//模板的特化
template<>
struct HashFunc<std::string>
{
size_t operator()(const std::string& s1)
{
size_t sum = 0;
for (size_t i = 0; i < s1.size(); i++)
{
sum = sum * 131 + s1[i];
}
return sum;
}
};
//比较判断
template<class K>
struct equal_to
{
bool operator()(const K& lval, const K& rval) { return lval == rval; }
};
template<>
//模板特化
struct equal_to<std::string>
{
bool operator()(const std::string& s1, const std::string& s2) { return s1 == s2; }
};
//素数表
const int PRIMECOUNT = 28;
const size_t primeList[PRIMECOUNT] = {
53ul, 97ul, 193ul, 389ul, 769ul,
1543ul, 3079ul, 6151ul, 12289ul, 24593ul,
49157ul, 98317ul, 196613ul, 393241ul, 786433ul,
1572869ul, 3145739ul, 6291469ul, 12582917ul, 25165843ul,
50331653ul, 100663319ul, 201326611ul, 402653189ul, 805306457ul,
1610612741ul, 3221225473ul, 4294967291ul
};
namespace OpenHash
{
template<class T>
struct HashNode
{
typedef HashNode<T> Node;
typedef HashNode<T>* pNode;
HashNode<T>* _next;
T _data;
public:
HashNode(const T& data = T())
:_next(nullptr)
,_data(data)
{}
};
template<class K, class V, class T, class Pred, class Select1st ,class HashFunc>
class HashTable;
template<class K, class V, class T, class Ref, class Ptr, class Pred, class Select1st, class HashFunc>
struct Iterator
{
typedef HashNode<T> Node;
typedef HashTable<K, V, T, Pred, Select1st, HashFunc> HashTable;
typedef Iterator<K, V, T, Ref, Ptr, Pred, Select1st, HashFunc> self;
Node* _pnode;
HashTable* _pHT;
Iterator(Node* pnode = nullptr, HashTable* pHT = nullptr) : _pnode(pnode), _pHT(pHT) { }
Ref operator*() { return _pnode->_data; }
const Ref operator*()const { return _pnode->_data; }
Ptr operator->() { return &_pnode->_data; }
const Ptr operator->()const { return &_pnode->_data; }
self& operator++()
{
if (_pnode == nullptr)
return *this;
if (_pnode->_next != nullptr)
{
_pnode = _pnode->_next;
return *this;
}
//_pnode->next == nullptr我们要去找现在的结点属于哪一个桶
size_t index = HashFunc()(Select1st()(_pnode->_data)) % _pHT->_table.size() + 1;
for (; index < _pHT->_table.size(); index++)
{
Node* cur = _pHT->_table[index];
if (cur != nullptr)
{
_pnode = cur;
return *this;
}
}
_pnode = nullptr;
return *this;
}
self operator++(int)
{
self tmp = *this;
++(*this);
return tmp;
}
bool operator!=(const self& it)const { return _pnode != it._pnode; }
bool operator==(const self& it)const { return _pnode == it._pnode; }
};
template
<class K, class V, class T, class Pred = equal_to<std::string>,
class Select1st = PairSelect1st<K, V>, class HashFunc = HashFunc<K>>
class HashTable
{
typedef HashNode<T>* pNode;
typedef HashNode<T> Node;
template<class K, class V, class T, class Ref, class Ptr, class Pred, class Select1st, class HashFunc>
friend struct Iterator;
private:
//存结点指针
vector<pNode> _table;
size_t _n;
public:
typedef Iterator<K, V, T, const T&, const T* ,Pred, Select1st, HashFunc> const_iterator;
typedef Iterator<K, V, T, T&, T*, Pred, Select1st, HashFunc> iterator;
HashTable() :_n(0) { }
void clear()
{
for (size_t index = 0; index < _table.size(); index++)
{
pNode cur = _table[index];
pNode prev = cur;
while (cur)
{
prev = cur;
cur = cur->_next;
delete prev;
}
}
}
~HashTable()
{
clear();
}
iterator begin()
{
size_t index = 0;
for (; index < _table.size(); index++)
{
pNode cur = _table[index];
if (cur != nullptr)
return iterator(cur,this);
}
return iterator(nullptr, this);
}
iterator end() { return iterator(nullptr, this); }
const_iterator cbegin()
{
size_t index = 0;
for (; index < _table.size(); index++)
{
pNode cur = _table[index];
if (cur != nullptr)
return const_iterator(cur, this);
}
return const_iterator(nullptr, this);
}
const_iterator cend() { return const_iterator(nullptr, this); }
pair<iterator,bool> insert(const T& data)
{
//如果为空,则开空间
if (!_table.size())
_table.resize(53ul);
//挑选key
Select1st st1;
//转换整型
HashFunc hf;
//判断是否冗余
iterator ret = find(data);
if (ret._pnode != nullptr)
return std::make_pair(iterator(nullptr,this), false);
//判断是否需要扩容
if ((double)_n / (double)_table.size() >= 1)
{
vector<pNode> new_table(GetNextPrime(_table.size()));
for (size_t i = 0; i < _table.size(); i++)
{
pNode cur = _table[i];
if (cur != nullptr)
{
pNode next = _table[i];
while (cur)
{
next = cur->_next;
size_t new_index = (hf(st1(cur->_data))) % new_table.size();
//头插
cur->_next = new_table[new_index];
new_table[new_index] = cur;
cur = next;
}
_table[i] = nullptr;
}
//不推荐,插入的时候重新创建结点,浪费
/*while(e != nullptr)
{
tmp.insert(e->_kv);
e = e->_next;
}*/
}
new_table.swap(_table);
}
//计算hashbucket的下标
size_t index = hf(st1(data)) % _table.size();
pNode newNode = new Node(data);
//头插
newNode->_next = _table[index];
_table[index] = newNode;
_n++;
return std::make_pair(iterator(newNode,this), true);
}
iterator find(const T& data)
{
HashFunc hf;
Select1st slt;
if (_table.size() == 0)
return iterator(nullptr,this);
size_t index = hf(slt(data)) % _table.size();
pNode cur = _table[index];
while (cur)
{
if (Pred()(slt(cur->_data), slt(data)))
return iterator(cur,this);
else
cur = cur->_next;
}
return iterator(nullptr,this);
}
bool erase(const T& data)
{
Select1st st1;
size_t index = HashFunc()(st1(data)) % _table.size();
pNode cur = _table[index];
pNode prev = cur;
while (cur)
{
if (Pred()(st1(cur->_data) , st1(data)))
{
//找到了
if (cur == _table[index])
{
_table[index] = cur->_next;
_n--;
delete cur;
return true;
}
else
{
prev->_next = cur->_next;
_n--;
delete cur;
return true;
}
}
else//没找到
{
prev = cur;
cur = cur->_next;
}
}
return false;
}
size_t GetNextPrime(size_t prime)
{
size_t i = 0;
for (; i < PRIMECOUNT; i++)
{
if (primeList[i] > prime)
return primeList[i];
}
return primeList[i];
}
size_t size() const{ return _n; }
};
}
🍒 🍒 测试代码⬇️ ⬇️
//OpenHash(开散列)
void Test_KV2()//KV模型
{
OpenHash::HashTable<string, string, pair<string, string>> hts;
pair<string, string> arr[] = {
make_pair("left", "左边") ,make_pair("right", "右边"),make_pair("up", "向上")
,make_pair("down", "向下"),make_pair("left","左边"),make_pair("eat","吃")
,make_pair("sleep","睡觉"),make_pair("run","跑"),make_pair("jump","跳")};
for (auto e : arr)
hts.insert(e);
//非const迭代器
OpenHash::HashTable<string, string, pair<string, string>>::iterator it = hts.begin();
while (it != hts.end())
{
cout << it->first << ":" << it->second << endl;
it++;
}
cout << endl;
hts.erase(make_pair("sleep", "睡觉"));
hts.erase(make_pair("left", "左边"));
hts.erase(make_pair("up", "向上"));
//const类型
OpenHash::HashTable<string, string, pair<string, string>>::const_iterator cit = hts.cbegin();
while (cit != hts.cend())
{
cout << cit->first << ":" << cit->second << endl;
cit++;
}
cout << endl;
}
void Test_K2()//K模型
{
OpenHash::HashTable<string, string, string, equal_to<string>, KSelect1st<string>, HashFunc<string>> hts;
string arr[] = {
"left", "左边" ,"right", "右边","up", "向上"
,"down", "向下","left","左边","eat","吃"
,"sleep","睡觉","run","跑","jump","跳" };
for (auto e : arr)
hts.insert(e);
OpenHash::HashTable<string, string, string, equal_to<string>, KSelect1st<string>, HashFunc<string>>::iterator it = hts.begin();
while (it != hts.end())
{
cout << *it << " ";
it++;
}
cout << endl;
}
🔍 🔍 总结:
空间消耗:在开散列中虽然增加了链表的链接指针,但是其空间消耗还是要比闭散列小,因为闭散列的平衡因子一定会比开散列的小,闭散列的平衡因子一定小于1,而且越接近1,越容易发生哈希冲突。所以相同数量的数据进行存储时,开散列开辟的空间更小。文章来源:https://www.toymoban.com/news/detail-401621.html
😎 😎 今天的内容到这里就结束了,希望小伙伴们能够有所收获。文章来源地址https://www.toymoban.com/news/detail-401621.html
到了这里,关于模拟实现哈希表超详解(C++)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!