初步理解
参考教程如上，除此之外参考视频下方的首条评论也讲的很好。
哈希的基本概念
假设我们有几万条商品价格的数据存储在内存中，想要快速找到“苹果”的价格。如果我们不知道这些商品的存储规律，就只能一个个去查找，这会非常耗时。此时的时间复杂度为遍历情况下的O（n）。
但如果我们记得每个商品价格存储在哪个位置，就可以直接查找相应位置的商品价格，此时时间复杂度仅为O（1）。哈希函数正是帮助我们快速定位数据的一种方法。
此时的重点则在于我们要如何直接知道地址呢，此时要利用的就是哈希函数
哈希函数
可以当做一种转换器，内部置有一定的规则，键值对这个概念用在此处就能很好解释这种函数的思想。
当我输入一个特征（键）时，哈希函数会根据内部规定的规则生成一个对应的整数值（哈希值）。我们可以把这种形式看作一个保险箱系统，其中特征是用来打开箱子的钥匙，而整数值对应的地址就是储存信息的箱子。
如果没有这个计算函数，我们就需要用钥匙一个一个试，每个箱子的锁孔都试一下，看看能否打开箱子。而有了哈希函数，相当于在检索的时候，作为一个根据关键词匹配内容的系统，能够直接给出特定的地址，直接匹配到对应的保险箱。
哈希表的使用场景&对应容器
当我们遇到了要快速判断一个元素是否出现在集合里&判断一个元素是否出现过的场景的时候，就要考虑哈希法
我们要根据题目的要求，因地制宜的选择不同的数据容器，进而降低时间复杂度，提高运算速度。
一.数组：索引作键，索引对应位置元素作“值”，构成键值对
适用条件：哈希值密集、范围较小、数据量少且稳定的场景。
（1）数组的大小固定，扩展性较差。当数据量超过预设大小时，需要重新分配更大的数组，并将现有数据复制过去，这会带来额外的时间和空间开销。
（2）如果哈希函数生成的哈希值比较少且非常分散，跨度非常大，比如总可能情况为10w种，哈希值从0到1,000,000之间，但实际数据只有100个。那么数组的大小需要涵盖从0到1,000,000的范围，即使只有100个元素，数组也需要分配1,000,001个位置。
在下方的学习中，我们能逐渐体会到上述两点。
哈希值大部分情况下不是我们自己定的，而是题目给出的要求，我们只是按要求进行统计或判定。
242.有效的字母异位词
题目链接：242. 有效的字母异位词 - 力扣（LeetCode）
参考教程：学透哈希表，数组使用有技巧！Leetcode：242.有效的字母异位词_哔哩哔哩_bilibili
思路流程：
此题用到的字母在编码中处于连续状态，而数组正好也要求数组元素连续分布，因此考虑选择数组作为此处的哈希表容器。
bool isAnagram(string s, string t) {
int harsh[26];
for (int i = 0; i < s.size(); i++) {
harsh[s[i] - 'a']++;
}
for (int i = 0; i < t.size(); i++) {
harsh[t[i] - 'a']--;
}
for (int i = 0; i < 26; i++) {
if (harsh[i] != 0)return false;
}
return true;
}可以看到，代码以索引位置为键，对一开始初始化为0的各位置数值进行加减运算。因为26个字母在编码时即为连续分布，因此可通过类似s[i] - 'a'的形式来确定位置，并进一步完成频率统计。
349. 两个数组的交集（适用于数值较小情况）
重要知识点：
（1）具备条件1 <= nums1.length, nums2.length <= 1000，数组的总情况数较少，最多只有1000种，预留一定空闲空间，1005即可得到一个合理大小的数组结构。此处能用数组作为1哈希结构，完全是因为上述限制条件，规定了数据集的大小较小。
（2）数组作为哈希结构的去重
for (int num : nums1) { // nums1中出现的字母在hash数组中做记录
hash[num] = 1;
}即只用数值0，1来进行判定，只要出现，无论多少次数值都为1，不出现则为0。某种意义上是布尔运算
二.集和（set）：哈希值用于快速查找，元素本身存储在集合中
个人理解：集合中的哈希函数是find()函数
程序员仅需将特征名放在括号中，eg:xx.find("apple")，find函数便能给出哈希值，找到集和中的对应元素。
1.适用条件：需要快速去重、查找，且数据量较大、动态变化的场景。
（1）去重功能天然支持去重操作，因为每个元素在Set中都是唯一的。这对于需要处理大量唯一元素的场景非常有用。
（2）空间利用率高：集和在存储上更高效，因为只存储实际存在的元素，避免了大量空闲位置的浪费，并且在哈希值跨度大、数据稀疏时也能有效管理内存，提升空间利用率。
349. 两个数组的交集（对数组范围不做要求）
题目链接：349. 两个数组的交集 - 力扣（LeetCode）
参考教程：学透哈希表，set使用有技巧！Leetcode：349. 两个数组的交集_哔哩哔哩_bilibili
当对范围和哈希值大小均不作限制后，数组明显不是一个好选择。因此选择使用集和结构——>适用于数据量大的复杂环境。
unordered_set<int> result_set;
unordered_set<int> num_1(nums1.begin(),nums1.end());
for(int i = 0;i<nums2.size();i++){
if(num_1.find(nums2[i]) != num_1.end()){
result_set.insert(nums2[i]);
}
}三.映射（map）：使用键值对
个人理解，与数组有点类似，是最符合哈希表概念的结构形式，可以自己定义键名和对应数值。
1. 两数之和
参考教程：梦开始的地方，Leetcode：1.两数之和，学透哈希表，map使用有技巧！_哔哩哔哩_bilibili
个人理解：
通过映射把单个数组展开成两份——数据集与“验证集”（空间换时间）
哈希法适用于验证一个元素是否存在于集和中的情况，单个数组显然没法自己验证自己，此时就由映射结构来额外开辟一个验证集。
每检测一次数据集中的元素，就去验证集中寻找是否有相配的元素，若没有，则将当前检测的元素放入验证集中，检测下一个元素。如此，虽然空间的占用量变为了原来的两倍，但是效率却由暴力的两层for循环的O(n^2)提高到了O(n)——》每次只有一个元素，检索一遍“验证集”中是否有相配元素即可。
具体代码实现如下：
vector<int> twoSum(vector<int>& nums, int target) {
unordered_map<int, int> used_num;
for (int i = 0; i < nums.size(); i++) {
int current_num = nums[i];
int need_num = target - current_num;
if (used_num.find(need_num) != used_num.end()) {
return {used_num[need_num],i};
}
else {
used_num.insert(pair<int, int>(current_num, i));
}
}
return{};
}也是由这题，我才开始明白哈希表中一直提到的空间换时间的含义究竟是什么
454.四数相加II
unordered_map<int, int> test;
for(int i = 0;i<nums1.size();i++){
for (int q = 0; q < nums2.size(); q++) {
int plus = nums1[i] + nums2[q];
//要检测元素的出现情况，那么肯定是拿两者的和来作为key
test[plus]++;
}
}
int count = 0;
for (int i = 0; i < nums3.size(); i++) {
for (int q = 0; q < nums4.size(); q++) {
int plus = 0 - nums3[i] - nums4[q];
if (test.find(plus) != test.end()) {
count += test[plus];
}
}
}
return count;
}
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
