字典与集合:以及背后的哈希表

版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://zhuyulab.blog.csdn.net/article/details/86749451

《流畅的python》读书笔记 Day 2:

字典:

  1. 构造方法:

    - b = {'one': 1, 'two': 2, 'three': 3} #最符合我逻辑的
    - a = dict(one=1, two=2, three=3) #左边默认为字符串
    - c = dict(zip(['one', 'two', 'three'], [1, 2, 3])) #用于一次性写完键和值
    
  2. 字典推导:
    规则与昨天的列表推导几乎一样,用for和if构造字典。
    一个承载成对数据的列表,它可以直接用在字典的构造方法中

    country_code = {country: code for code, country in DIAL_CODES}
    

集合与一些操作

  1. 集合中的元素必须是可散列的, set 类型本身是不可散列的, 即集合里的元素不能重复。
  2. 集合初始化:
    a={1,2,3}
    可以看做是没有value的dict。
  3. 有趣的数学操作:
    - a & b 求交集
    - a | b 求并集

背后的哈希:

dict 和 set 都建立在哈希上实现。
哈希表 (散列表)实质上是一个稀疏数组,即大部分元素为0. 散列表里存放的单元 (表元),在实现dict时存放了键和值的引用。
因为 Python 会设法保证大概还有三分之一的表元是空的,所以在快要达到这个阈值的时候,原有的散列表会被复制到一个更大的空间里面

  1. hash
    为了将键和值以一定的规律存入哈希表,会对值做一个哈希函数的操作得到哈希值(散列值),也就是要在哈希表中存放这对键值的位置。 哈希值的大小往往远小于原来的键的大小(如做了取余计算),这样使得不需要再大海捞针,查找时只需要通过对键做哈希,再找对应哈希值里存在的内容就行了。大大加快了查找速度。

  2. hash冲突
    如果把哈希看成以下函数:
    value=f(key)value = f(key)
    由于key是一个内容更大的东西,为了加快查找,通过 f 把他压缩为内容更小的value,那么很显然, 一个value可能对应于不同的key。(但是同一个key永远对应于同一个value)。 有点类似于矩阵里面 Ax=bAx = b, 对于固定的xx,对于 每个AA,只会等于同一个bb, 但是对于每个bb,可以是不同的AA得到的。

当不同的两个key算出同一个value时,就产生了散列冲突。 这时候有多重解决方法,可以参考百度百科,比如著名的拉链法。
python中的具体对策可以参考流畅的python,相当于再多利用一些hash的信息,来区别第一次算出相同的value的key。

  1. hash 的意义
    空间换取时间,用更大的内存,换取更快的查询速度。
    list的实现可以作为对比,可以参考https://www.cnblogs.com/Vito2008/p/5141546.html
    图 3-3:从字典中取值的算法流程图;给定一个键,这个算法要么返回一个值,要么抛出 KeyError 异常
展开阅读全文

没有更多推荐了,返回首页