unordered_map与unordered_set用法跟map与set基本类似 ,同时也有unordered_multimap及mutiset的类型,支持数据冗余 。
这里推荐大家直接使用文档查询即可:
- void func()
- {
- unordered_map
int> mp; - unordered_set<int> st;
-
- st.insert(1);
- st.insert(3);
- st.insert(7);
- st.insert(2);
-
- mp.insert(make_pair("a", 1));
- mp.insert(make_pair("k", 3));
- mp.insert(make_pair("z", 7));
- mp.insert(make_pair("c", 4));
-
- // 迭代器
- unordered_set<int>::iterator it = st.begin();
- while (it != st.end())
- {
- cout << *it << " ";
- ++it;
- }
-
- cout << endl;
-
- mp["a"] = 100; // unordered_map方括号的使用跟map差不多
-
- // 范围for
- for (auto& e : mp)
- {
- cout << e.first << " :" << e.second << " ";
- }
- }
数据集合{1,7,6,4,5,9};
解决哈希冲突两种常见的方法是:闭散列和开散列
上面哈希概念的例子,也就是闭散列一个案例。
线性探测 :从发生冲突的位置开始,依次向后探测,直到寻找到下一个空位置为止。
但说到插入,我们要考虑一些效率方面的问题。
思考:哈希表什么情况下进行扩容?如何扩容?
可知,负载因子在达到一定值时,哈希表的效率就会下降,我们要做的就是在这时对哈希表进行扩容,降低负载因子。
可是,一但扩容,size发生改变,那么哈希地址就会发生改变,如:13 % 10 = 3,扩容后, 13 % 20 = 13,我们就找不到13,所以我们需要重新重组哈希表。
- enum state
- {
- EMPTY,
- EXIST,
- DELETE
- };
-
- template <class K, class V>
- struct HashData
- {
- pair
_kv; // 数据内容先设置为pair - state st; // 数据,状态标识
-
- HashData()
- :st(EMPTY)
- {}
-
- HashData(const pair
& pa ) - :_kv(pa)
- ,st(EXIST)
- {}
- };
-
-
- template <class K, class V>
- class HashTable
- {
- public:
- typedef HashData
HashData; -
- private:
- vector
_tables; // .size()表示的是多少个哈希地址 - size_t _n; // 已经占用的哈希地址
- };
- }
- bool insert(const pair
& pa) - {
- // 检查是否需要扩容
- if (_tables.size() == 0 || _n * 10 / _tables.capacity() > 7) //负载因子设置 7
- {
- int new_size = _tables.size() == 0 ? 10 : _tables.size() * 2;
- // 重组哈希表
- HashTable
tmp; - tmp._tables.resize(new_size);
- for (auto& data : _tables)
- {
- if (data.st == EXIST)
- tmp.insert(data._kv);
- }
- _tables.swap(tmp._tables); //利用vector自带的swap函数
- }
- // 插入
- size_t hashi = pa.first % _tables.size();
- // 线性探索
- size_t i = 1;
- size_t index = hashi;
- while (_tables[index].st == EXIST)
- {
- index = hashi + i;
- index %= _tables.size();
- i++;
- }
-
- _tables[index]._kv = pa;
- _tables[index].st = EXIST;
- _n++;
- return true;
- }
本质上,通过个寻找到哈希地址,然后从哈希地址处向后寻找,遇到空标记或者转一圈后返回;
- bool find(const K& data)
- {
- return _find(data) == -1 ? false : true;
- }
-
- size_t _find(const K& data)
- {
- size_t hashi = data % _tables.size();
- // 线性探索
- size_t i = 1;
- size_t index = hashi;
- while (_tables[index].st == EXIST)
- {
- if (_tables[index]._kv.first == data)
- return index;
- index = hashi + i;
- index %= _tables.size();
- i++;
-
- // 去寻找值时,外一出现全是删除与存在的情况
- if (index == hashi)
- break; // 说明已经经过一圈
- }
- return -1; // 表示未找到
- }
- bool erase(const K& data)
- {
- auto cur = _find(data);
- if (cur != -1)
- {
- _tables[cur].st = DELETE;
- _n--;
- cout << "擦除成功" << endl;
- return 1;
- }
- else
- {
- cout << "未找到" << endl;
- return -1;
- }
- }
开散列的框架,较闭散列有着不同的框架。
- template <class K, class V>
- struct Node_Data
- {
- typedef Node_Data
Node_data; - pair
_kv; - Node_data* _downstars = nullptr;
-
- Node_Data(const pair
& pa = pair()) - :_kv(pa)
- {}
- };
-
- template <class K, class V>
- class HashTable
- {
- public:
- typedef Node_Data
Node_Data; -
- private:
- vector
_tables; // 存放各个哈希地址的第一个结点地址的指针数组 - size_t _n = 0; // 哈希桶中,数据个数
- };
-
-
- }
每个哈希桶中刚好挂一个节点,再继续插入元素时,每一次都会发生哈希冲突,因此,在元素个数刚好等于桶的个数时,可以给哈希表增容。
- bool insert(const pair
& pa) - {
- // 开散列增容
- // 考虑扩容:负载因子为1,2,3都可以
- if (_tables.size() == 0 || _n * 10 / _tables.size() > 10)
- {
- size_t new_size = _tables.size() == 0 ? 10 : _tables.size() * 2;
- // 开始扩容
- vector
new_tables; - new_tables.resize(new_size);
- size_t i;
- for (auto& data : _tables)
- {
- // 处理桶内的数据,重新插入新节点
- Node_Data* cur = data;
- while (cur)
- {
- Node_Data* room = cur->_downstars;
- size_t new_hashi = cur->_kv.first % new_tables.size();
- // 处理结点关系
- Node_Data* tmp = new_tables[new_hashi];
- new_tables[new_hashi] = cur;
- cur->_downstars = tmp;
- cur = room;
- }
- }
- _tables.swap(new_tables);
- }
-
- // 开散列插入
- size_t hashi = pa.first % _tables.size();
- Node_Data* new_node = new Node_Data(pa);
- new_node->_downstars = _tables[hashi];
- _tables[hashi] = new_node;
- _n++;
- return true;
- }
在单链表中查找,这个还是非常简单的。
- bool find(const K& order)
- {
- return _find(order) == nullptr ? false : true;
- }
-
- Node_Data* _find(const K& order)
- {
- if (!_tables.size())
- return nullptr;
-
- size_t hashi = order % _tables.size();
- auto cur = _tables[hashi];
- while (cur)
- {
- if (cur->_kv.first == order)
- return cur;
- cur = cur->_downstars;
- }
- return nullptr;
- }
在单链表中删除,还是稍微麻烦了一点。
- bool erase(const K& order)
- {
- auto cur = _find(order);
- if (!cur)
- {
- cout << "擦除失败: 不存在" << endl;
- return false;
- }
- size_t index = order % _tables.size();
- Node_Data* tmp = _tables[index];
-
- while (tmp)
- {
- if (cur == tmp)
- {
- break;
- }
- else if (cur == tmp->_downstars)
- {
- break;
- }
- tmp = tmp->_downstars;
- }
- // 开始处理节点
- if (tmp == _tables[index]) // 如果擦除的是头,那要置空的包括指针数组
- {
- _tables[index] = cur->_downstars;
- }
- else // 非单链表头,删除(中间删除)
- {
- tmp->_downstars = cur->_downstars;
- }
-
- delete (cur);
- cout << "擦除成功" << endl;
- return true;
- }
哈希函数的定义域必须包括需要存储的全部关键码,而如果散列表允许有m个地址时,其值域必须在0到m-1之间哈希函数计算出来的地址能均匀分布在整个空间中哈希函数应该比较简单
- template <class type>
- struct Hashstr
- {
- int operator()(const type& sd)
- {
- return sd;
- }
- };
-
- template<> // 类模板,其实这个可以使用重载符号也可以
- struct Hashstr
- {
- size_t operator()(const string& str)
- {
- size_t sum = 0;
- for (auto e : str)
- {
- sum += e;
- sum *= 31; // 为了减少冲突的概率,每个字符的ASCill值都得相乘一个数。啥为什么是31? 因为这是大量实验的结果
- }
- return sum;
- }
- };
-
-
- // 在HashTable 类中需要,添加类模板
- template <class K, class V, class Hashstr = Hashstr
> - class HashTable
- {
- public:
- typedef Node_Data
Node_Data; - ......
这些就是哈希底层细节的精华部分。
下期预告:封装哈希