《数据结构和算法分析》学习之散列表

散列表：这是一个比较有用的数据结构，比较详细的用法还需要参考具体的书籍

这里只是简单的介绍一下，了解一下其比较强大的功能。肯定还有很多比较使用改进方法，需要多学习才行。

在进行查找的过程中，无论是线性查找还是二分查找，其对都是时间的函数一个是O(n)，一个是O(log2n)；

而散列表进行查找的时候，时间函数是O(1),其对时间来说是个常数，跟数据的规模没有关系。

其主要通过直接索引来实现的（我是这样理解的）

比如有31个在0-999中的数，我们要查询这31个数中的一个数。

可以通过数组存储这31个数，然后顺序搜索，或者排序，二分查找。

随着数据规模的曾加，时间也在增加。

散列表则不同，散列表是申请一个1000大小的数组，然后用数组的下表表示所存储的数字

table[1000]。比如里面有一个数330，则有table[330] = 330。这31个数都是这样存储，但是1000大小的数组存储31个数的话是没办法填满的。这个可以根据自己的需要自行填充。这样在查询330的时候，直接就是判断table[330]是不是330。一次查询就可以得出结果，而且不论数据规模有多大。但是仔细想就会发现，有不好的地方，就是对存储空间太浪费了，1000中只用了31，这中浪费实在是奢侈。

这个时候有一种方法可以解决，就是只申请31个存储空间来存储这31个数，然后每个数用num = number%31，table[num] = num来存储。这样避免了空间的浪费。但是会有冲突产生。比如number = num+31*k的数按照上面的式子计算出来都是num。所以这时候都用table[num]来存储就会产生冲突。

这时候有一种冲突处理策略就是，在冲突发生的时候，在num点向下进行循环扫描空位置，然后把这个数字填充过去。这个时候实际上是降低了时间效率来获取空间效率。

当进行一个数查询的时候，实际是上先用table[num]进行判断此时存不存在，或这个位置是不是所要查询的数。如果不是，就从这个位置向下进行循环线性搜索。

这个算法的效率在前两步体现出来，可以快速判断这个数存不存在。