4.1 KiB
4.1 KiB
| comments |
|---|
| true |
哈希查找
!!! question
在数据量很大时，「线性查找」太慢；而「二分查找」要求数据必须是有序的，并且只能在数组中应用。那么是否有方法可以同时避免上述缺点呢？答案是肯定的，此方法被称为「哈希查找」。
「哈希查找 Hash Searching」借助一个哈希表来存储需要的「键值对 Key Value Pair」，我们可以在 O(1) 时间下实现 “键 \rightarrow 值” 映射查找，体现着 “以空间换时间” 的算法思想。
算法实现
如果我们想要给定数组中的一个目标元素 target ，获取该元素的索引，那么可以借助一个哈希表实现查找。
=== "Java"
```java title="hashing_search.java"
/* 哈希查找（数组） */
int hashingSearch(Map<Integer, Integer> map, int target) {
// 哈希表的 key: 目标元素，value: 索引
// 若哈希表中无此 key ，返回 -1
return map.getOrDefault(target, -1);
}
```
=== "C++"
```cpp title="hashing_search.cpp"
/* 哈希查找（数组） */
int hashingSearch(unordered_map<int, int> map, int target) {
// 哈希表的 key: 目标元素，value: 索引
// 若哈希表中无此 key ，返回 -1
if (map.find(target) == map.end())
return -1;
return map[target];
}
```
=== "Python"
```python title="hashing_search.py"
```
=== "Go"
```go title="hashing_search.go"
```
=== "JavaScript"
```js title="hashing_search.js"
```
=== "TypeScript"
```typescript title="hashing_search.ts"
```
=== "C"
```c title="hashing_search.c"
```
=== "C#"
```csharp title="hashing_search.cs"
```
再比如，如果我们想要给定一个目标结点值 target ，获取对应的链表结点对象，那么也可以使用哈希查找实现。
=== "Java"
```java title="hashing_search.java"
/* 哈希查找（链表） */
ListNode hashingSearch1(Map<Integer, ListNode> map, int target) {
// 哈希表的 key: 目标结点值，value: 结点对象
// 若哈希表中无此 key ，返回 null
return map.getOrDefault(target, null);
}
```
=== "C++"
```cpp title="hashing_search.cpp"
/* 哈希查找（链表） */
ListNode* hashingSearch1(unordered_map<int, ListNode*> map, int target) {
// 哈希表的 key: 目标结点值，value: 结点对象
// 若哈希表中无此 key ，返回 nullptr
if (map.find(target) == map.end())
return nullptr;
return map[target];
}
```
=== "Python"
```python title="hashing_search.py"
```
=== "Go"
```go title="hashing_search.go"
```
=== "JavaScript"
```js title="hashing_search.js"
```
=== "TypeScript"
```typescript title="hashing_search.ts"
```
=== "C"
```c title="hashing_search.c"
```
=== "C#"
```csharp title="hashing_search.cs"
```
复杂度分析
时间复杂度： O(1) ，哈希表的查找操作使用 O(1) 时间。
空间复杂度： O(n) ，其中 n 为数组或链表长度。
优缺点
在哈希表中，查找、插入、删除操作的平均时间复杂度都为 $O(1)$ ，这意味着无论是高频增删还是高频查找场景，哈希查找的性能表现都非常好。当然，一切的前提是保证哈希表未退化。
即使如此，哈希查找仍存在一些问题，在实际应用中，需要根据情况灵活选择方法。
- 辅助哈希表 需要使用
O(n)的额外空间，意味着需要预留更多的计算机内存； - 建立和维护哈希表需要时间，因此哈希查找 不适合高频增删、低频查找的使用场景；
- 当哈希冲突严重时，哈希表会退化为链表，时间复杂度劣化至 $O(n)$ ；
- 当数据量很小时，线性查找比哈希查找更快。这是因为计算哈希映射函数可能比遍历一个小型数组更慢；