C++：哈希表_c++ hash表-优快云博客

class Solution {
public:
    int firstUniqChar(string s) {
        int hash[26];
        for (auto str : s)
            hash[str - 'a']++;
        for (int i = 0; i < s.size(); i++)
            if (hash[s[i] - 'a'] == 1)
                return i;
        return -1;
    }
};

哈希冲突

当我们使用直接定址法的时候，当数据映射到同一个位置的时候就把它叫做哈希冲突或者哈希碰撞

哈希冲突是不可避免的

为了减少哈希冲突，我们可以使用一个比较好的哈希函数来减少哈希冲突

负载因子

若哈希表的大小为M，已经映射存储的数据个数为N，那么负载因子 = N / M

负载因子越大，哈希冲突的概率越高，空间利用率越高

负载因子越小，哈希冲突的概率越低，空间利用率越低

哈希函数

除法散列法/除留余数法

假设哈希表的大小为M

那么通过key除以M的余数作为映射位置的下标

哈希函数为：hashi = key % M

乘法散列法

乘法散列法对哈希表的大小M没有要求

第一步：用关键字key乘上常数A(0 < A < 1)，并抽取key*A的小数部分

第二部：后再用M乘以key*A的小数部分，再向下取整

哈希函数为：hashi = floor(M * ((A * key) % 1.0))

这里最重要的是A的值如何设定

Knuth认为A = 0.6180339887......(黄金分割点)比较好

处理哈希冲突

主要有两种方法，开放定址法和链地址法

开放定址法

线性探测

从发生冲突的位置开始，依次线性向后探测，直到寻找到下一个没有存储数据的位置为止

如果走到哈希表尾，则回绕到哈希表头的位置

h(key) = hash0 = key % M，若hash0冲突，则线性探测公式为

hc(key, i) = hashi = (hash0 + i) % M, i = {1, 2, 3..., M - 1}（负载因子小于1，最多探测M-1次，一定能找到一个位置存储）

二次探测

从发生冲突的位置开始，依次左右按二次方跳跃式探测，直到寻找到下一个没有存储数据的位置为止，如果从右走到哈希表尾，则回绕到哈希表头的位置，如果往左走到哈希表头，则回绕到哈希表尾的位置

h(key) = hash0 = key % M，若hash0冲突，则二次线性探测公式为

hc(key, i) = hashi = (hash0 +/- i^2) % M, i = {1, 2, 3, ....., M / 2}

当hashi < 0时，需要hash += M

双重散列

当第一个哈希函数计算出的值发生冲突，使用第二个哈希函数计算出一个跟key相关的偏移量值，不断往后探测，直到寻找到下一个没有数据的位置为止

h1(key) = hash0 = key % M，hash0位置冲突了，则双重探测公式为

hc(key, i) = hashi = (hash0 + i * h2(key)) % M，i = {1, 2, 3, ....., M}

链地址法

开放定址法中所有的元素都放到哈希表里，链地址法中所有的数据不再直接存储在哈希表中

哈希表里只需要存储一个指针，当没有数据映射这个位置时，指针为空，当有多个数据映射这个位置时，我们把这些冲突的数据链接成一个链表，挂在哈希表当前位置的下面

链地址法也叫做拉链法或者哈希桶

哈希表的实现

哈希表的结构

enum State
{
	EXIST,
	EMPTY,
	DELETE
};

template<class K, class V>
struct HashData
{
	pair<K, V> _kv;
	State _state = EMPTY;
};

因为我们删除一个值后无法判断这个值是存在还是删除，所以我们可以用一个State状态来标记当前位置的是一个什么状态，所以我们需要枚举出三个状态区分

template<class K&g