哈嘍大家好,我是鹹魚
接觸過 Python 的小夥伴應該對【字典】這一資料型別都瞭解吧
雖然 Python 沒有顯式名稱為“雜湊表”的內建資料結構,但是字典是雜湊表實現的資料結構
在 Python 中,字典的鍵(key)被雜湊,雜湊值決定了鍵對應的值(value)在字典底層資料儲存中的位置
那麼今天我們就來看看雜湊表的原理以及如何實現一個簡易版的 Python 雜湊表
ps:文中提到的 Python 指的是 CPyhton 實現
何為雜湊表?
雜湊表(hash table)通常是基於“鍵-值對”儲存資料的資料結構
雜湊表的鍵(key)透過雜湊函式轉換為雜湊值(hash value),這個雜湊值決定了資料在陣列中的位置。這種設計使得資料檢索變得非常快
舉個例子,下面有一組鍵值對資料,其中歌手姓名是 key,歌名是 value
+------------------------------+
| Key | Value |
+------------------------------+
| Kanye | Come to life |
| XXXtentacion | Moonlight |
| J.cole | All My Life |
| Lil wanye | Mona Lisa |
| Juice WRLD | Come & Go |
+------------------------------+
如果我們想要將這些鍵值對儲存在雜湊表中,首先需要將鍵的值轉換成雜湊表的陣列的索引,這時候就需要用到雜湊函式了
雜湊函式是雜湊表實現的主要關鍵,它能夠處理鍵然後返回存放資料的雜湊表中對應的索引
一個好的雜湊函式能夠在陣列中均勻地分佈鍵,儘量避免雜湊衝突(兩個鍵返回了相同的索引)
雜湊函式是如何處理鍵的,這裡我們建立一個簡易的雜湊函式來模擬一下(實際上雜湊函式要比這複雜得多)
def simple_hash(key, size):
return ord(key[0]) % size
這個簡易版雜湊函式將歌手名(即 key)首字母的 ASCII 值與雜湊表大小取餘,得出來的值就是歌名(value)在雜湊表中的索引
那這個簡易版雜湊函式有什麼問題呢?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
例如我們假設雜湊表的大小為 10 ,我們以上面的歌手名作為鍵然後執行 simple_hash(key, 10)
得到索引
可以看到,由於Juice WRLD
和 J.cole
的首字母都一樣,雜湊函式返回了相同的索引,這裡就發生了雜湊碰撞
雖然幾乎不可能完全避免任何大量資料的碰撞,但一個好的雜湊函式加上一個適當大小的雜湊表將減少碰撞的機會
當出現雜湊碰撞時,可以使用不同的方法(例如開放定址法)來解決碰撞
應該設計健壯的雜湊函式來儘量避免雜湊碰撞
我們再來看其他的鍵,Kanye
透過 simple_hash
() 函式返回 index 5
,這意味著我們可以在索引 5 (雜湊表的第六個元素)上找到 其鍵 Kanye
和值Come to life
雜湊表優點
在雜湊表中,是根據雜湊值(即索引)來尋找資料,所以可以快速定位到資料在雜湊表中的位置,使得檢索、插入和刪除操作具有常數時間複雜度 O(1) 的效能
與其他資料結構相比,雜湊表因其效率而脫穎而出
不但如此,雜湊表可以儲存不同型別的鍵值對,還可以動態調整自身大小
Python 中的雜湊表實現
在 Python 中有一個內建的資料結構,它實現了雜湊表的功能,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)”的形式儲存
字典中的 key 是唯一且不可變的,這意味著它們一旦設定就無法更改
my_dict = {"Kanye": "Come to life", "XXXtentacion": "Moonlight", "J.cole": "All My Life"}
在底層,Python 的字典以雜湊表的形式執行,當我們建立字典並新增鍵值對時,Python 會將雜湊函式作用於鍵,從而生成雜湊值,接著雜湊值決定對應的值將儲存在記憶體的哪個位置中
所以當你想要檢索值時,Python 就會對鍵進行雜湊,從而快速引導 Python 找到值的儲存位置,而無需考慮字典的大小
my_dict = {}
my_dict["Kanye"] = "Come to life" # 雜湊函式決定了 Come to life" 在記憶體中的位置
print(my_dict["Alice"]) # "Come to life"
可以看到,我們透過方括號[key]
來訪問鍵對應的值,如果鍵不存在,則會報錯
print(my_dict["Kanye"]) # "Come to life"
# Raises KeyError: "Drake"
print(my_dict["Drake"])
為了避免該報錯,我們可以使用字典內建的 get()
方法,如果鍵不存在則返回預設值
print(my_dict.get('Drake', "Unknown")) # Unknown
在 python 中實現雜湊表
首先我們定義一個 HashTable
類,表示一個雜湊表資料結構
class HashTable:
def __init__(self, size):
self.size = size
self.table = [None]*size
def _hash(self, key):
return ord(key[0]) % self.size
在建構函式 __init__()
中:
size
表示雜湊表的大小table
是一個長度為size
的陣列,被用作雜湊表的儲存結構。初始化時,陣列的所有元素都被設為None
,表示雜湊表初始時不含任何資料
在內部函式 _hash()
中,用於計算給定 key
的雜湊值。它採用給定鍵 key
的第一個字元的 ASCII 值,並使用取餘運算 %
將其對映到雜湊表的索引範圍內,以便確定鍵在雜湊表中的儲存位置。
然後我們接著在 HashTable
類中新增對鍵值對的增刪查方法
class HashTable:
def __init__(self, size):
self.size = size
self.table = [None]*size
def _hash(self, key):
return ord(key[0]) % self.size
def set(self, key, value):
hash_index = self._hash(key)
self.table[hash_index] = (key, value)
def get(self, key):
hash_index = self._hash(key)
if self.table[hash_index] is not None:
return self.table[hash_index][1]
raise KeyError(f'Key {key} not found')
def remove(self, key):
hash_index = self._hash(key)
if self.table[hash_index] is not None:
self.table[hash_index] = None
else:
raise KeyError(f'Key {key} not found')
其中,set()
方法將鍵值對新增到表中,而 get()
該方法則透過其鍵檢索值。該 remove()
方法從雜湊表中刪除鍵值對
現在,我們可以建立一個雜湊表並使用它來儲存和檢索資料:
# 建立雜湊表
hash_table = HashTable(10)
# 新增鍵值對
hash_table.set('Kanye', 'Come to life')
hash_table.set('XXXtentacion', 'Moonlight')
# 獲取值
print(hash_table.get('XXXtentacion')) # Outputs: 'Moonlight'
# 刪除鍵值對
hash_table.remove('XXXtentacion')
# 報錯: KeyError: 'Key XXXtentacion not found'
print(hash_table.get('XXXtentacion'))
前面我們提到過,雜湊碰撞是使用雜湊表時不可避免的一部分,既然 Python 字典是雜湊表的實現,所以也需要相應的方法來處理雜湊碰撞
在 Python 的雜湊表實現中,為了避免雜湊衝突,通常會使用開放定址法的變體之一,稱為“線性探測”(Linear Probing)
當在字典中發生雜湊衝突時,Python 會使用線性探測,即從雜湊衝突的位置開始,依次往後查詢下一個可用的插槽(空槽),直到找到一個空的插槽來儲存要插入的鍵值對。
這種方法簡單直接,可以減少雜湊衝突的次數。但是,它可能會導致“聚集”(Clustering)問題,即一旦雜湊表中形成了一片連續的已被佔用的位置,新元素可能會被迫放入這片區域,導致雜湊表效能下降
為了緩解聚集問題,假若當雜湊表中存放的鍵值對超過雜湊表長度的三分之二時(即裝載率超過66%時),雜湊表會自動擴容
最後總結一下:
- 在雜湊表中,是根據雜湊值(即索引)來尋找資料,所以可以快速定位到資料在雜湊表中的位置
- Python 的字典以雜湊表的形式執行,當我們建立字典並新增鍵值對時,Python 會將雜湊函式作用於鍵,從而生成雜湊值,接著雜湊值決定對應的值將儲存在記憶體的哪個位置中
- Python 通常會使用線性探測法來解決雜湊衝突問題