哈希表

ID: 170 TITLE: 两数之和 III - 数据结构设计 TAG: Java，Python 方法一： 这是第一题两数之和的后续问题之一，两数之和要求一个返回列表中两个数字的索引，这两个数字的和等于目标值。 我们可以从两数之和中汲取灵感，把所有的输入数字保存在一个列表中。 两数之和的一个解决方法是双指针法，指针从两个方向迭代，互相逼近。 但是，双指针法的前提条件之一是输入列表有序。 现在有几个问题： 函数 add(number) 在列表中插入新数字时，是否应该保证列表有序。 或者在调回 find(value) 时按需进行排序？ 我们将在后面的算法部分讨论上述两个问题。 算法： 先给出双指针在有序列表中找到两数之和的算法。 初始化两个指针 low 和 high 分别指向列表的头尾。 从两个方向同时进行迭代，要么找到两数之和的解，要么两个指针相遇。 在每个步骤中，我们将根据不同的条件移动指针： 如果当前指针指向元素的和小于目标值，则应该增加总和来满足目标值，即将 low 指针向前移动获得更大的值。 如果当前指针指向元素的和大于目标值，则应该减少总和来满足目标值，即将 high 向 low 靠近来减少总和。 如果当前指针指向元素的和等于目标值，则直接返回结果。 如果两个指针相交，说明当前列表不存在组合成目标值的两个数。 class TwoSum ( object ) : def _

ID: 260 TITLE: 只出现一次的数字 III TAG: Java，Python 概述 使用哈希表可以在 O ( N ) \mathcal{O}(N) O ( N ) 的时间复杂度和 O ( N ) \mathcal{O}(N) O ( N ) 的空间复杂度中解决该问题。 这个问题在常数的空间复杂度中解决有点困难，但可以借助两个位掩码来实现。 方法一：哈希表 建立一个值到频率的映射关系的哈希表，返回频率为 1 的数字。 算法： from collections import Counter class Solution : def singleNumber ( self , nums : int ) - > List [ int ] : hashmap = Counter ( nums ) return [ x for x in hashmap if hashmap [ x ] == 1 ] class Solution { public int [ ] singleNumber ( int [ ] nums ) { Map < Integer , Integer > hashmap = new HashMap ( ) ; for ( int n : nums ) hashmap . put ( n , hashmap . getOrDefault ( n , 0 ) +

Hard！ 题目描述： 给定一个字符串 S 和一个字符串 T，请在 S 中找出包含 T 所有字母的最小子串。 示例： 输入: S = "ADOBECODEBANC", T = "ABC" 输出: "BANC" 说明： 如果 S 中不存这样的子串，则返回空字符串 "" 。 如果 S 中存在这样的子串，我们保证它是唯一的答案。 解题思路： 这道题的要求是要在O(n)的时间度里实现找到这个最小窗口字串，那么暴力搜索Brute Force肯定是不能用的，我们可以考虑 哈希表 ，其中key是T中的字符， value 是该字符出现的 次数 。 - 我们最开始先扫描一遍T，把对应的字符及其出现的次数存到哈希表中。 - 然后开始遍历S，遇到T中的字符，就把对应的哈希表中的value减一，直到包含了T中的所有的字符，纪录一个字串并更新最小字串值。 - 将子窗口的左边界向右移，略掉不在T中的字符，如果某个在T中的字符出现的次数大于哈希表中的value，则也可以跳过该字符。 C++解法一： 1 class Solution { 2 public: 3 string minWindow(string S, string T) { 4 if (T.size() > S.size()) return ""; 5 string res = ""; 6 int left = 0, count = 0,

什么是集合 集合（Collection）类是专门用于数据存储和检索的类。这些类提供了对栈（stack）、队列（queue）、列表（list） 和哈希表（hash table）的支持。大多数集合类实现了相同的接口。 集合（Collection）类服务于不同的目的，如为元素动态分配内存，基于索引访问列表项等等。这些类创建Object类的对 象的集合。在C#中，Object类是所有数据类型的基类 常用的集合类 动态数组（Array List） 它代表了可被单独索引的对象的有序集合。它基本上可以替代一个数组。但是，与数组不同的是，您可以使用索引在指定的位置添加和移除项目，动态数组会自动重新调整它的大小。它也允许在列表中进行动态内存分配、增加、搜索、排序各项。 哈希表（Hasht able） 它使用键来访问集合中的元素。当您使用键访问元素时，则使用哈希表，而且您可以识别一个有用的键值。哈希表中的每一项都有一个键/值对。键用于访问集合中的项目。 什么是哈希表 它使用键来访问集合中的元素。当您使用键访问元素时，则使用哈希表，而且您可以识别一个有用的键值。哈希表中的每一项都有一个键/值对。键用于访问集合中的项目。 Hashtable类常用的属性 Count获取 Hashtable中包含的键值对个数。 IsFixedSize获取一个值，表示 Hashtable是否具有固定大小。

HashMap HashMap的数据结构：HashMap实际上是一个数组和链表（“链表散列”）的数据结构。底层就是一个数组结构，数组中的每一项又是一个链表。 hashCode是一个对象的标识，Java中对象的hashCode是一个int类型值。通过hashCode来算出指定数组的索引可以快速定位到要找的对象在数组中的位置，之后再遍历链表找到对应值，理想情况下时间复杂度为O(1)，并且不同对象可以拥有相同的hashCode（hash碰撞）。发生碰撞后会把相同hashcode的对象放到同一个链表里，但是在数组大小不变的情况下，存放键值对越多，查找的时间效率也会降低 扩容可以解决该问题，而负载因子决定了什么时候扩容，负载因子是已存键值对的数量和总的数组长度的比值。默认情况下负载因子为0.75，我们可在初始化HashMap的时候自己修改。阀值 = 当前数组长度✖负载因子 hashmap中默认负载因子为0.75，长度默认是16，默认情况下第一次扩容判断阀值是16 ✖ 0.75 = 12；所以第一次存键值对的时候，在存到第13个键值对时就需要扩容了,变成16X2=32。 put流程 对key hash，二次hash，hash扰乱函数，减少hash碰撞 int hash(Object key) { int h = key.hashCode()； return (h ^ (h >>> 16)) &

1.哈希定义 哈希表通过记录关键字为自变量的函数（称为哈希函数）得到访记录的存储地址查找，所以在哈希表中进行查找操作时，须用同一哈希函数计算得到待查询记录的存储地址，然后到相应的存储单元去获得相关信息再判定查找是否成功。 根据设计哈希函数H(key)和处理冲突的方法，将一组关键字映射到一个有限连限的地址集（区间）上，并以关键字在地址集中的“像”为记录在表中的存储位置，这种表称为哈希表，这一映射过程为哈希造表或散列，所得的存储位置称为哈希地址或散列地址。 冲突定义：对于某个哈希函数H（K）和两个关键字K1和K2，如果K1<>K2，而H(K1)=H(K2)，则称为冲突。具有相同哈希函数值的关键字对该哈希函数来说称为同义词。 一般情况，冲突只能尽可能减少而不能完全避免，因为哈希函数是从关键字集合到地址集合映像。通常关键集合比较大，它的元素包含所有可能的关键字，而地址集合的元素仅为哈希表中的地址值。 对于哈希表，主要考虑两个问题：一是如何构造哈希函数，二是如何解决冲突。 2.哈希构造函数 Hash构造即为关键字与哈希地址映射关系建立。 构造哈希函数的原则是：①函数本身便于计算；②计算出来的地址分布均匀，即对任一关键字k，f(k) 对应不同地址的概率相等，目的是尽可能减少冲突。 哈希函数的构造方法很多，常用的有 直接定址法、数字分析法、平方取中法、折叠法、除留余数法、随机数法 等。 3

1、什么是Redis? 　　Redis 是一个基于内存的高性能key-value数据库，不过在系统中一般充当高速缓存的角色。 2、为什么Redis需要把所有数据放到内存中?　 　　访问内存的速度远高于访问硬盘的速度，如果不将数据放在内存中，磁盘I/O速度将严重影响Redis的性能。在内存越来越便宜的今天，Redis将会越来越受欢迎。 3、对Redis的访问为什么是单进程单线程的 　　Redis利用队列技术将并发访问变为串行访问，消除了传统数据库串行控制的开销。Redis的开发者认为Redis的性能瓶颈不在CPU，而是网络等因素。所以采取单线程的方式是最快的。单线程能够有效避免CPU切换的开销，另外I/O多路复用技术也有效的提升了访问速度。 4、Reids的特点（Redis的好处） 访问速度快。原因归结为三个方面：一是数据存储在内存中；二是对数据的访问是单线程操作，避免了不必要的IO开销；三是底层的数据结构合理，类似于hashMap，存取的时间复杂度为O(1)。 拥有丰富数据类型。支持string，list，hash ，set，sorted set五种类型 支持事务。拥有与传统数据库不同的独特的事务特性。在Redis中，一个事务中所有命令操作具有原子性 可以持久化缓存数据。拥有AOF和RDB两种持久化方式，保证系统重启数据不丢失 拥有成熟的可扩展，高可用的分布式解决方案。像Redis

哈希表 1、什么是哈希表 2、哈希函数 哈希函数的实现 3、哈希表的读写操作 写操作（put） 读操作（get） 扩容（resize） 4、总结 1、什么是哈希表 哈希表（hash table），这种数据结构提供了键（Key）和值 （Value）的映射关系；只要给出一个Key，就可以高效查找到它所匹配的Value，时间复杂度接近于O(1) 2、哈希函数 散列表在本质上也是一个数组，可是数组只能根据下标，像a[0]、a[1]、a[2]、a[3]、a[4]这样来访问，而散列表的Key则是以字符串类型为主的，例如以学生的学号作为Key，输入002123，查询到李四；或者以单词为Key，输入by，查询到数字46……所以需要一个“中转站”，通过某种方式， 把Key和数组下标进行转换，这个中转站就叫作哈希函数。 哈希函数的实现 以Java的常用集合HashMap为例，来讲解哈希函数在Java中的实现： 在Java及大多数面向对象的语言中，每一个对象都有属于自己的hashcode，这个hashcode是区分不同对象的重要标识，无论对象自身的类型是什么，它们的 hashcode都是一个整型变量。 既然都是整型变量，想要转化成数组的下标简单的转化方式就是按照数组长度进行 取模运算 index = HashCode (Key) % Array.length 通过哈希函数*

HashMap源码 转载自 https://blog.csdn.net/mar_ljh/article/details/80929093 /* * Copyright (c) 1997, 2017, Oracle and/or its affiliates. All rights reserved. * ORACLE PROPRIETARY/CONFIDENTIAL. Use is subject to license terms. */ package java.util; import sun.misc.SharedSecrets; import java.io.IOException; import java.io.InvalidObjectException; import java.io.Serializable; import java.lang.reflect.ParameterizedType; import java.lang.reflect.Type; import java.util.function.BiConsumer; import java.util.function.BiFunction; import java.util.function.Consumer; import java.util.function.Function; /** *

一：学习总结 1查找结构思维导图 2、查找学习体会 查找这一章，主要介绍的是如何在某种数据结构中找出给定条件的元素。 不同的数据结构中需要不同的算法，我们学习了线性表，数表，和哈希表 的查找。并且学会了在相同数据结构下减少时间复杂度的方法和思想。 二：PTA实验作业 题目1：是否是二叉搜索树 1设计思路 bool IsBST( BinTree T ) { 若T是空树则是二叉搜索树； 中序遍历该树得到的新节点的值一定要大于前一个值，否则不是； 返回真； } 一开始只考虑了左右子树都是二叉搜索树的情况， 但有可能不是这种情况 题目2：二叉搜索树中的最近公共祖先 1设计思路 int LCA( Tree T, int u, int v )//寻找u,v的共同祖先 { 若树为空或者u或v不在该树中 ERROR; 若u或者v就是根节点的值 return T->Key; 若u或者v在同一棵子树上 return T->Key; 若u大于T->key 最近共同祖先在左子树上; 若u大于T->key 最近共同祖先在右子树上; } int find(Tree T,int u)//查看u是否在树中 { 若树为空：则返回0；//不在 查找该树： 若找到等值的key，则u在该树中； 否则不在； } 2代码截图 部分正确：没有考虑到当前节点就是树的公共祖先 和关键字不在书中的情况。 部分正确：无error的输出