C++进阶：5_哈希

已于 2025-05-12 20:13:08 修改
阅读量831 收藏 24
点赞数 12
CC 4.0 BY-SA版权
分类专栏： C++进阶 文章标签： c++ 哈希算法 开发语言 算法
于 2025-05-08 20:34:29 首次发布
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://blog.csdn.net/Open__Ai/article/details/147804129

哈希

一.unordered系列关联式容器

在C++98中，STL提供了底层为红黑树结构的一系列关联式容器，在查询时效率可达到 l o g 2 N log_2 N log2​N，即最差情况下需要比较红黑树的高度次，当树中的节点非常多时，查询效率也不理想。最好的查询是，进行很少的比较次数就能够将元素找到，因此在C++11中，STL又提供了4个
unordered系列的关联式容器，这四个容器与红黑树结构的关联式容器使用方式基本类似，只是其底层结构不同，本文中只对unordered_map和unordered_set进行介绍，unordered_multimap和unordered_multiset可查看文档介绍。

1. unordered_map

(1).unordered_map的文档介绍

unordered_map在线文档说明

  1. unordered_map是存储<key, value>键值对的关联式容器，其允许通过keys快速的索引到与其对应的value。
  2. 在unordered_map中，键值通常用于惟一地标识元素，而映射值是一个对象，其内容与此键关联。键和映射值的类型可能不同。
  3. 在内部,unordered_map没有对<kye, value>按照任何特定的顺序排序, 为了能在常数范围内找到key所对应的value，unordered_map将相同哈希值的键值对放在相同的桶中。
  4. unordered_map容器通过key访问单个元素要比map快，但它通常在遍历元素子集的范围迭代方面效率较低。
  5. unordered_maps实现了直接访问操作符(operator[])，它允许使用key作为参数直接访问value。
  6. 它的迭代器至少是前向迭代器。
(2).unordered_map的接口说明

  1. unordered_map的构造

    image-20250505010633605

  2. unordered_map的容量

    image-20250505010702607

  3. unordered_map的迭代器

    image-20250505010737160

  4. unordered_map的元素访问

    image-20250505010809909

  5. unordered_map的查询

    image-20250505010844624

    注意：unordered_map中key是不能重复的，因此count函数的返回值最大为1

  6. unordered_map的修改操作

    image-20250505010943535

  7. unordered_map的桶操作

    image-20250505011009764
    在这里插入图片描述
    在这里插入图片描述

2. unordered_set

参见 unordered_set在线文档说明

3. 在线OJ

重复n次的元素

class Solution {
public:
int repeatedNTimes(vector<int>& A) {
     size_t N = A.size()/2;
     // 用unordered_map统计每个元素出现的次数
     unordered_map<int, int> m;
     for(auto e : A)
         m[e]++;
     
     // 找出出现次数为N的元素
     for(auto& e : m)
     {
         if(e.second == N)
             return e.first;
     }
 }
};

两个数组的交集I

class Solution {
public:
    vector<int> intersection(vector<int>& nums1, vector<int>& nums2) {

        // 用unordered_set对nums1中的元素去重
        unordered_set<int> s1;
        for (auto e : nums1)
            s1.insert(e);
        // 用unordered_set对nums2中的元素去重
        unordered_set<int> s2;
        for (auto e : nums2)
            s2.insert(e);
        // 遍历s1，如果s1中某个元素在s2中出现过，即为交集
        vector<int> vRet;
        for (auto e : s1)
        {
            if (s2.find(e) != s2.end())
                vRet.push_back(e);
        }
        return vRet;
    }
};

两个数组的交集II

存在重复元素

两句话中不常见的单词

二.底层结构

unordered系列的关联式容器之所以效率比较高，是因为其底层使用了哈希结构。

1. 哈希概念

顺序结构以及平衡树中，元素关键码与其存储位置之间没有对应的关系，因此在查找一个元素时，必须要经过关键码的多次比较。顺序查找时间复杂度为O(N)，平衡树中为树的高度，即O( l o g 2 N log_2 N log2​N)，搜索的效率取决于搜索过程中元素的比较次数。

理想的搜索方法：可以不经过任何比较，一次直接从表中得到要搜索的元素。
如果构造一种存储结构，通过某种函数(hashFunc)使元素的存储位置与它的关键码之间能够建立一一映射的关系，那么在查找时通过该函数可以很快找到该元素。

当向该结构中：

  • 插入元素
    根据待插入元素的关键码，以此函数计算出该元素的存储位置并按此位置进行存放

  • 搜索元素
    对元素的关键码进行同样的计算，把求得的函数值当做元素的存储位置，在结构中按此位置取元素比较，若关键码相等，则搜索成功

  • 查找的方式与插入的方式相同，根据哈希函数依次看查找的与表中的相不相等；
    从映射位置按规则开始查找，直到遇到空，才能确定找不到.

该方式即为哈希(散列)方法，哈希方法中使用的转换函数称为哈希(散列)函数，构造出来的结构称为哈希表(Hash Table)(或者称散列表)

例如：数据集合**{1，7，6，4，5，9}；**

哈希函数设置为：hash(key) = key % capacity; capacity为存储元素底层空间总的大小。

image-20250506213523668

用该方法进行搜索不必进行多次关键码的比较，因此搜索的速度比较快

问题：按照上述哈希方式，向集合中插入元素44，会出现什么问题？

2. 哈希冲突

对于两个数据元素的关键字 k i k_i ki​和 k j k_j kj​(i != j)，有 k i k_i ki​ != k j k_j kj​，但有：Hash( k i k_i ki​) == Hash( k j k_j kj​)，即：不同关键字通过相同哈希哈数计算出相同的哈希地址，该种现象称为哈希冲突或哈希碰撞。

把具有不同关键码而具有相同哈希地址的数据元素称为“同义词”。

发生哈希冲突该如何处理呢？

3. 哈希函数

引起哈希冲突的一个原因可能是：哈希函数设计不够合理。
哈希函数设计原则：

  • 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

常见哈希函数

  1. 直接定址法–(常用)

用key的值映射一个绝对位置或者相对位置

取关键字的某个线性函数为散列地址：Hash（Key）= A*Key + B
优点：简单、均匀、快､ 没有冲突
缺点：需要事先知道关键字的分布情况，只适合范围相对集中
使用场景：适合查找比较小且连续的情况
面试题：字符串中第一个只出现一次字符

  1. 除留余数法–(常用)

key模表的大小N以后，都可以映射到一个表中位置

设散列表中允许的地址数为m，取一个不大于m，但最接近或者等于m的质数p作为除数，
按照哈希函数：Hash(key) = key% p(p<=m),将关键码转换成哈希地址

  1. 平方取中法–(了解)
    假设关键字为1234，对它平方就是1522756，抽取中间的3位227作为哈希地址；
    再比如关键字为4321，对它平方就是18671041，抽取中间的3位671(或710)作为哈希地址
    平方取中法比较适合：不知道关键字的分布，而位数又不是很大的情况

  2. 折叠法–(了解)
    折叠法是将关键字从左到右分割成位数相等的几部分(最后一部分位数可以短些)，然后将这几部分叠加求和，并按散列表表长，取后几位作为散列地址。
    折叠法适合事先不需要知道关键字的分布，适合关键字位数比较多的情况

  3. 随机数法–(了解)
    选择一个随机函数，取关键字的随机函数值为它的哈希地址，即H(key) = random(key),其中random为随机数函数。
    通常应用于关键字长度不等时采用此法

  4. 数学分析法–(了解)
    设有n个d位数，每一位可能有r种不同的符号，这r种不同的符号在各位上出现的频率不一定相同，可能在某些位上分布比较均匀，每种符号出现的机会均等，在某些位上分布不均匀只有某几种符号经常出现。可根据散列表的大小，选择其中各种符号分布均匀的若干位作为散列地址。例如：

image-20250506214859630

假设要存储某家公司员工登记表，如果用手机号作为关键字，那么极有可能前7位都是 相同的，那么我们可以选择后面的四位作为散列地址，如果这样的抽取工作还容易出现 冲突，还可以对抽取出来的数字进行反转(如1234改成4321)、右环位移(如1234改成4123)、左环移位、前两数与后两数叠加(如1234改成12+34=46)等方法。

数字分析法通常适合处理关键字位数比较大的情况，如果事先知道关键字的分布且关键字的若干位分布较均匀的情况

注意：哈希函数设计的越精妙，产生哈希冲突的可能性就越低，但是无法避免哈希冲突

4. 哈希冲突解决

解决哈希冲突两种常见的方法是：闭散列和开散列

(1).闭散列

**闭散列：也叫开放定址法，当发生哈希冲突时，如果哈希表未被装满，说明在哈希表中必然还有空位置，那么可以把key存放到冲突位置中的“下一个” 空位置中去。**即:按规则去其他位置找一个空的位置存储。那如何寻找下一个空位置呢？

①.线性探测

image-20250506215155278

比如2.1中的场景，现在需要插入元素44，先通过哈希函数计算哈希地址，hashAddr为4，因此44理论上应该插在该位置，但是该位置已经放了值为4的元素，即发生哈希冲突。

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。

  • 插入

    • 通过哈希函数获取待插入元素在哈希表中的位置

    • 如果该位置中没有元素则直接插入新元素，如果该位置中有元素发生哈希冲突，使用线性探测找到下一个空位置，插入新元素

      image-20250506215333353

  • 删除
    采用闭散列处理哈希冲突时，不能随便物理删除哈希表中已有的元素，若直接删除元素会影响其他元素的搜索。比如删除元素4，如果直接删除掉，44查找起来可能会受影响。因此线性探测采用标记的伪删除法来删除一个元素。即:每个位置给一个状态标记

    // 哈希表每个空间给个标记
// EMPTY此位置空， EXIST此位置已经有元素， DELETE元素已经删除
enum State{EMPTY, EXIST, DELETE};

线性探测的实现

#pragma once
#include<vector>
#include<iostream>

using namespace std;

template<class K>
struct HashFunc
{
	size_t operator ()(const K& key)
	{
		return (size_t)key;
	}
};

//特化string(string做key比较常见,库里面也实现了string转int的仿函数.
template<>
struct HashFunc<string>
{
	size_t operator ()(const string& key)
	{
		size_t hash = 0;
		for (auto e : key)
		{
			hash *= 31;//一种算法,使得即使相同的字符组成的句子(如:abc,cba),key转化后的整型值(hash)也不一样
			hash += e;
		}
		return hash;
	}
};

// 一.闭散列(开放定值法)：线性探测
namespace open_address
{
	enum State
	{
		EXIST,
		EMPTY,
		DELETE
	};

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

	template<class K, class V, class Hash = HashFunc<K>>
	class HashTable
	{
	public:
		HashTable()
		{
			_tables.resize(10);
		}

		bool Insert(const pair<K, V>& kv)
		{
			if (Find(kv.first))
			{
				return false;
			}

			//扩容
			if (_n * 10 / _tables.size() >= 7)//int除int得不到0.7
			{
				//不能直接扩容;size变了,映射关系就变了.
				//遍历旧表,将所有数据映射到新表.
				HashTable<K, V, Hash> newHT;
				newHT._tables.resize(_tables.size() * 2);
				for (size_t i = 0; i < _tables.size(); i++)
				{
					if (_tables[i]._state == EXIST)
					{
						newHT.Insert(_tables[i]._kv);
					}
				}
				_tables.swap(newHT._tables);
			}

			Hash hs;
			//不能%capacity，capacity的位置不能直接放值.
			size_t hashi = hs(kv.first) % _tables.size();
			while (_tables[hashi]._state == EXIST)
			{
				++hashi;
				hashi %= _tables.size();
			}

			_tables[hashi]._kv = kv;
			_tables[hashi]._state = EXIST;
			++_n;

			return true;
		}

		HashData<K, V>* Find(const K& key)
		{
			Hash hs;
			size_t hashi = hs(key) % _tables.size();
			while (_tables[hashi]._state != EMPTY)
			{
				if (_tables[hashi]._state == EXIST
					&& _tables[hashi]._kv.first == key)
				{
					return &_tables[hashi];
				}
				++hashi;
				hashi %= _tables.size();
			}
			return nullptr;
		}

		bool Erase(const K& key)
		{
			HashData<K, V>* ret = Find(key);
			if (ret == nullptr)
			{
				return false;
			}
			else
			{
				ret->_state = DELETE;
				return true;
			}
		}

	private:
		vector<HashData<K, V>> _tables;
		size_t _n = 0;//表中存储数据的个数
	};
}

思考：哈希表什么情况下进行扩容？如何扩容？

image-20250506220124450

线性探测优点：实现非常简单;

线性探测缺点：**一旦发生哈希冲突，所有的冲突连在一起，容易产生数据“堆积”，即：不同关键码占据了可利用的空位置，使得寻找某关键码的位置需要许多次比较，导致搜索效率降低。**如何缓解呢？

②.二次探测

image-20250506220003691

线性探测的缺陷是产生冲突的数据堆积在一块，这与其找下一个空位置有关系，因为找空位置的方式就是挨着往后逐个去找，因此二次探测为了避免该问题，找下一个空位置的方法为： H i H_i Hi​ = ( H 0 H_0 H0​ + i 2 i^2 i2 )% m, 或者： H i H_i Hi​ = ( H 0 H_0 H0​ - i 2 i^2 i2 )% m。其中：i = 1,2,3…; H 0 H_0 H0​是通过散列函数Hash(x)对元素的关键码 key 进行计算得到的位置，m是表的大小。

对于2.1中如果要插入44，产生冲突，使用解决后的情况为：

image-20250506215907605

研究表明：当表的长度为质数且表装载因子a不超过0.5时，新的表项一定能够插入，而且任何一个位置都不会被探查两次。因此只要表中有一半的空位置，就不会存在表满的问题。在搜索时可以不考虑表装满的情况，但在插入时必须确保表的装载因子a不超过0.5，如果超出必须考虑增容。

因此：闭散列最大的缺陷就是空间利用率比较低，这也是哈希的缺陷。

(2).开散列(⼜称哈希桶/拉链)
①.开散列概念

开散列法又叫链地址法(开链法)，首先对关键码集合用散列函数计算散列地址，具有相同地址的关键码归于同一子集合，每一个子集合称为一个桶，各个桶中的元素通过一个单链表链接起来，各链表的头结点存储在哈希表中。

image-20250506221032270

image-20250506221045296

从上图可以看出，开散列中每个桶中放的都是发生哈希冲突的元素。

②.开散列实现
#pragma once
#include<vector>
#include<iostream>

using namespace std;

template<class K>
struct HashFunc
{
	size_t operator ()(const K& key)
	{
		return (size_t)key;
	}
};

//特化string(string做key比较常见,库里面也实现了string转int的仿函数.
template<>
struct HashFunc<string>
{
	size_t operator ()(const string& key)
	{
		size_t hash = 0;
		for (auto e : key)
		{
			hash *= 31;//一种算法,使得即使相同的字符组成的句子(如:abc,cba),key转化后的整型值(hash)也不一样
			hash += e;
		}
		return hash;
	}
};

// 二.开散列(哈希桶)
namespace hash_bucket
{
	template<class K, class V>
	struct HashNode
	{
		pair<K, V> _kv;
		HashNode<K, V>* _next;

		HashNode(const pair<K, V>& kv)
			:_kv(kv),
			_next(nullptr)
		{ }
	};

	template<class K, class V, class Hash = HashFunc<K>>
	class HashTable
	{
		typedef HashNode<K, V> Node;
	public:
		HashTable()
		{
			_tables.resize(10, nullptr);
		}

		~HashTable()
		{
			// 依次把每个桶释放
			for (int i = 0; i < _tables.size(); i++)
			{
				Node* cur = _tables[i];
				while (cur)
				{
					Node* next=cur->_next;
					delete cur;
					cur = next;
				}
				_tables[i] = nullptr;
			}
		}

		bool Insert(const pair<K, V>& kv)
		{
			//负载因子==1->扩容

			//1.现代写法
			//出了局部作用域原表销毁,比较浪费.
			//如果有10000个结点，扩容一次需要new1000个结点，delete10000个结点。
			//if (_n == _tables.size())
			//{
			//	HashTable<K, V> newHT;
			//	newHT._tables.resize(_tables.size() * 2);
			//	for (int i = 0; i < _tables.size(); i++)
			//	{
			//		Node* cur = _tables[i];
			//		while (cur)
			//		{
			//			newHT.Insert(cur->_kv);
			//			cur = cur->_next;
			//		}
			//	}
			//	_tables.swap(newHT._tables);
			//}

			//2.普通写法
			if (_n == _tables.size())
			{
				vector<Node*> newtables(_tables.size() * 2, nullptr);
				for (int i = 0; i < _tables.size(); i++)
				{
					Node* cur = _tables[i];
					while (cur)
					{
						Node* next = cur->_next;
						//旧表中节点，挪动新表重新映射的位置
						size_t hashi = hs(cur->_kv.first) % newtables.size();
						//旧表中节点，头插到新表
						cur->_next = newtables[hashi];
						newtables[hashi] = cur;

						cur = next;
					}
					_tables[i] = nullptr;
				}
				_tables.swap(newtables);
			}

			//头插
			Hash hs;
			size_t hashi = hs(kv.first) % _tables.size();
			Node* newnode = new Node(kv);
			newnode->_next = _tables[hashi];
			_tables[hashi] = newnode;
			++_n;

			return true;
		}

		Node* Find(const K& key)
		{
			Hash hs;
			size_t hashi = hs(key) % _tables.size();
			Node* cur = _tables[hashi];
			while (cur)
			{
				if (cur->_kv.first == key)
					return cur;
				cur = cur->_next;
			}

			return nullptr;
		}

		bool Erase(const K& key)
		{
			Hash hs;
			size_t hashi = hs(key) % _tables.size();
			Node* prev = nullptr;
			Node* cur = _tables[hashi];
			while (cur)
			{
				if (cur->_kv.first == key)
				{
					if (prev == nullptr)
					{
						_tables[hashi] = cur->_next;
					}
					else
					{
						prev->_next = cur->_next;
					}

					delete cur;
					--_n;
					return true;
				}

				prev = cur;
				cur = cur->_next;
			}

			return false;
		}

	private:
		vector<Node*> _tables;	//指针数组
		size_t _n = 0;			//表中存储数据的个数
	};
}
③.开散列增容

桶的个数是一定的，随着元素的不断插入，每个桶中元素的个数不断增多，极端情况下，可能会导致一个桶中链表节点非常多，会影响的哈希表的性能，因此在一定条件下需要对哈希表进行增容，那该条件怎么确认呢？开散列最好的情况是：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。

用负载因子解决，具体实现看后面unordered_ map和set的封装

④.开散列的思考

  1. 只能存储key为整形的元素，其他类型怎么解决？

    用仿函数解决，具体实现见后面unordered_ map和set的封装

  2. 除留余数法，最好模一个素数，如何每次快速取一个类似两倍关系的素数？

    size_t GetNextPrime(size_t prime)
{
	const int PRIMECOUNT = 28;
	static const size_t primeList[PRIMECOUNT] =
	{
	53ul, 97ul, 193ul, 389ul, 769ul,
	1543ul, 3079ul, 6151ul, 12289ul, 24593ul,
	49157ul, 98317ul, 196613ul, 393241ul, 786433ul,
	1572869ul, 3145739ul, 6291469ul, 12582917ul,
   25165843ul,
	50331653ul, 100663319ul, 201326611ul, 402653189ul,
   805306457ul,
	1610612741ul, 3221225473ul, 4294967291ul
	};
	size_t i = 0;
	for (; i < PRIMECOUNT; ++i)
	{
		if (primeList[i] > prime)
			return primeList[i];
	}
	return primeList[i];
}
⑤.开散列与闭散列比较

应用链地址法处理溢出，需要增设链接指针，似乎增加了存储开销。事实上：由于开地址法必须保持大量的空闲空间以确保搜索效率，如二次探查法要求装载因子a <= 0.7，而表项所占空间又比指针大的多，所以使用链地址法反而比开地址法节省存储空间。

三.unordered_map和unordered_set模拟实现

1. HashTable.h

#pragma once
#include<vector>
#include<iostream>

//实现步骤：
// 1、实现哈希表
// 2、封装unordered_map和unordered_set  解决KeyOfT
// 3、iterator
// 4、const_iterator
// 5、修改key的问题
// 6、operator[]

using namespace std;

template<class K>
struct HashFunc
{
	size_t operator ()(const K& key)
	{
		return (size_t)key;
	}
};

//特化string(string做key比较常见,库里面也实现了string转int的仿函数.
template<>
struct HashFunc<string>
{
	size_t operator ()(const string& key)
	{
		size_t hash = 0;
		for (auto e : key)
		{
			hash *= 31;//一种算法,使得即使相同的字符组成的句子(如:abc,cba),key转化后的整型值(hash)也不一样
			hash += e;
		}
		return hash;
	}
};

// 使用开散列实现(哈希桶)
namespace hash_bucket
{
	template<class T>
	struct HashNode
	{
		T _data;
		HashNode<T>* _next;

		HashNode(const T& data)
			:_data(data)
			,_next(nullptr)
		{}
	};

	//前置声明,要不HTIterator找不到HashTable;注:前置声明不能写缺省类型；
	template<class K, class T, class KeyOfT, class Hash>
	class HashTable;

	template<class K, class T, class Ptr, class Ref, class KeyOfT, class Hash>
	struct HTIterator
	{
		typedef HashNode<T> Node;
		typedef HTIterator<K,T, Ptr, Ref,KeyOfT, Hash> Self;

		Node* _node;
		const HashTable<K, T, KeyOfT, Hash>* _pht;

		HTIterator(Node* node, const HashTable<K, T, KeyOfT, Hash>* pht)
			:_node(node)
			,_pht(pht)
		{}

		Ref operator*()
		{
			return _node->_data;
		}
		
		Ptr operator->()
		{
			return &(_node->_data);
		}

		bool operator!=(const Self& s)
		{
			return _node != s._node;
		}

		Self operator++()
		{
			if (_node->_next)
			{
				//当前桶还有结点
				_node = _node->_next;
			}
			else
			{	
				//当前桶走完了，找下一个不为空的桶
				KeyOfT kot;
				Hash hs;
				size_t hashi = hs(kot(_node->_data)) % (_pht->_tables).size();
				++hashi;
				while (hashi < (_pht->_tables).size())
				{
					if(_pht->_tables[hashi])
					{
						break;
					}
					++hashi;
				}

				if (hashi == (_pht->_tables).size())
				{
					_node = nullptr;// end()
				}
				else
				{
					_node = _pht->_tables[hashi];
				}
			}
			return *this;
		}
	};

	template<class K, class T, class KeyOfT, class Hash>
	class HashTable
	{
		//友元声明(必须要带上模板参数)
		template<class K, class T, class Ptr, class Ref, class KeyOfT, class Hash>
		friend struct HTIterator;

		typedef HashNode<T> Node;
	public:
		typedef HTIterator<K, T,T*,T&, KeyOfT, Hash> Iterator;
		typedef HTIterator<K, T,const T*,const T&, KeyOfT, Hash> ConstIterator;

		Iterator Begin()
		{
			if (_n == 0)
				return End();

			for (size_t i = 0; i < _tables.size(); i++)
			{
				if(_tables[i])
					return Iterator(_tables[i], this);
			}

			return End();//为满足编译器检查,走不到这.
		}

		Iterator End()
		{
			return Iterator(nullptr, this);
		}

		ConstIterator Begin()const
		{
			if (_n == 0)
				return End();

			for (size_t i = 0; i < _tables.size(); i++)
			{
				if (_tables[i])
					return ConstIterator(_tables[i], this);
			}

			return End();//为满足编译器检查,走不到这.
		}

		ConstIterator End()const
		{
			return ConstIterator(nullptr, this);
		}

		HashTable()
		{
			_tables.resize(10, nullptr);
		}

		~HashTable()
		{
			// 依次把每个桶释放
			for (int i = 0; i < _tables.size(); i++)
			{
				Node* cur = _tables[i];
				while (cur)
				{
					Node* next = cur->_next;
					delete cur;
					cur = next;
				}
				_tables[i] = nullptr;
			}
		}

		pair<Iterator,bool> Insert(const T& data)
		{
			KeyOfT kot;
			Hash hs;
			Iterator it = Find(kot(data));
			if (it != End())
				return make_pair(it, false);

			//负载因子==1->扩容
			if (_n == _tables.size())
			{
				vector<Node*> newtables(_tables.size() * 2, nullptr);
				for (int i = 0; i < _tables.size(); i++)
				{
					Node* cur = _tables[i];
					while (cur)
					{
						Node* next = cur->_next;
						//旧表中节点，挪动新表重新映射的位置
						size_t hashi = hs(kot(cur->_data)) % newtables.size();
						//旧表中节点，头插到新表
						cur->_next = newtables[hashi];
						newtables[hashi] = cur;

						cur = next;
					}
					_tables[i] = nullptr;
				}
				_tables.swap(newtables);
			}

			//头插新节点
			size_t hashi = hs(kot(data)) % _tables.size();
			Node* newnode = new Node(data);
			newnode->_next = _tables[hashi];
			_tables[hashi] = newnode;
			++_n;

			return make_pair(Iterator(newnode, this), true);
		}

		Iterator Find(const K& key)
		{
			KeyOfT kot;
			Hash hs;
			size_t hashi = hs(key) % _tables.size();
			Node* cur = _tables[hashi];
			while (cur)
			{
				if (kot(cur->_data) == key)
					return Iterator(cur,this);
				cur = cur->_next;
			}

			return End();
		}

		bool Erase(const K& key)
		{
			KeyOfT kot;
			Hash hs;

			size_t hashi = hs(key) % _tables.size();
			Node* prev = nullptr;
			Node* cur = _tables[hashi];
			while (cur)
			{
				if (kot(cur->_data) == key)
				{
					if (prev == nullptr)
					{
						_tables[hashi] = cur->_next;
					}
					else
					{
						prev->_next = cur->_next;
					}

					delete cur;
					--_n;
					return true;
				}

				prev = cur;
				cur = cur->_next;
			}

			return false;
		}

	private:
		vector<Node*> _tables;	//指针数组
		size_t _n = 0;			//表中存储数据的个数
	};
}

2. HashTable.h

#pragma once

#include"HashTable.h"

namespace bit
{
	template<class K, class V, class Hash = HashFunc<K>>
	class unordered_map
	{
		struct MapKeyOfT
		{
			const K& operator()(const pair<K, V>& kv)
			{
				return kv.first;
			}
		};

	public:
		typedef typename hash_bucket::HashTable<K, pair<const K, V>, MapKeyOfT, Hash>::Iterator iterator;
		typedef typename hash_bucket::HashTable<K, pair<const K, V>, MapKeyOfT, Hash>::ConstIterator const_iterator;

		iterator begin()
		{
			return _ht.Begin();
		}

		iterator end()
		{
			return _ht.End();
		}

		const_iterator begin()const
		{
			return _ht.Begin();
		}

		const_iterator end()const
		{
			return _ht.End();
		}

		pair<iterator, bool> insert(const pair<K, V>& kv)
		{
			return _ht.Insert(kv);
		}

		V& operator[](const K& key)
		{
			pair<iterator,bool> ret = _ht.Insert(make_pair(key,V()));
			return ret.first->second;
		}

		iterator Find(const K& key)
		{
			return _ht.Find(key);
		}

		bool Erase(const K& key)
		{
			return _ht.Erase(key);
		}

	private:
		hash_bucket::HashTable<K, pair<const K, V>, MapKeyOfT, Hash> _ht;
	};

	void test_map()
	{
		unordered_map<string, string> dict;
		dict.insert({ "sort", "排序" });
		dict.insert({ "left", "左边" });
		dict.insert({ "right", "右边" });

		dict["left"] = "左边，剩余";
		dict["insert"] = "插入";
		dict["string"];

		unordered_map<string, string>::iterator it = dict.begin();
		while (it != dict.end())
		{
			// 不能修改first，可以修改second
			//it->first += 'x';
			it->second += 'x';

			cout << it->first << ":" << it->second << endl;
			++it;
		}
		cout << endl;
	}
}

3. UnorderedSet.h

#pragma once

#include"HashTable.h"

namespace bit
{
	template<class K,class Hash = HashFunc<K>>
	class unordered_set
	{
		struct SetKeyOfT
		{
			const K& operator()(const K& key)
			{
				return key;
			}
		};

	public:
		typedef typename hash_bucket::HashTable<K, const K, SetKeyOfT, Hash>::Iterator iterator;
		typedef typename hash_bucket::HashTable<K, const K, SetKeyOfT, Hash>::ConstIterator const_iterator;

		iterator begin()
		{
			return _ht.Begin();
		}

		iterator end()
		{
			return _ht.End();
		}

		const_iterator begin()const
		{
			return _ht.Begin();
		}

		const_iterator end()const
		{
			return _ht.End();
		}

		pair<iterator, bool> insert(const K& key)
		{
			return _ht.Insert(key);
		}

		iterator Find(const K& key)
		{
			return _ht.Find(key);
		}

		bool Erase(const K& key)
		{
			return _ht.Erase(key);
		}

	private:
		hash_bucket::HashTable<K, const K, SetKeyOfT, Hash> _ht;
	};

	void Print(const unordered_set<int>& s)
	{
		unordered_set<int>::const_iterator it = s.begin();
		while (it != s.end())
		{
			//(*it)++;
			cout << *it << " ";
			++it;
		}
		cout << endl;
	}

	struct Date
	{
		int _year;
		int _month;
		int _day;

		bool operator==(const Date& d) const
		{
			return _year == d._year 
				&& _month == d._month 
				&& _day == d._day;
		}
	};

	struct HashDate
	{
		size_t operator()(const Date& key)
		{
			return (key._year * 31 + key._month) * 31 + key._day;//避开冲突
		}
	};

	void test_set()
	{
		unordered_set<int> s;
		int a[] = { 4, 2, 6, 1, 3, 5, 15, 7, 16, 14 ,3 ,3 ,15};
		for (auto e : a)
		{
			s.insert(e);
		}

		for (auto e : s)
		{
			cout << e << " ";
		}
		cout << endl;

		unordered_set<int>::iterator it = s.begin();
		while (it != s.end())
		{
			//(*it)++;
			cout << *it << " ";
			++it;
		}
		cout << endl;

		Print(s);

		unordered_set<Date, HashDate> us;
		us.insert({ 2024,07,25 });
		us.insert({ 2024,07,26 });

	}
}
C++学习进阶：unordered_set和ma的实现
weixin_73234157的博客
04-10 1152
我们在上一篇博客数据结构与算法：哈希表-CSDN博客中学习了哈希表这个数据结构，也对哈希桶有了一定的了解，学习这个数据结构的本质是为了对STL容器unordered_set和unordered_map进行深入的学习我们在C知道中搜索“unordered_set和set 区别”，发现了这两个容器对应着不同的场景，为了更好的了解这个两个容器我们开始学习如何实现“unordered_set和map”把！！！C++学习进阶：map和set的实现-CSDN博客。
C++进阶：哈希表实现
2301_81699364的博客
11-21 1104
当key是string/Date等类型时，key不能取模，那么我们需要给HashTable增加一个仿函数，这个仿函数支持把key转换成一个可以取模的整形，如果key可以转换为整形并且不容易冲突，那么这个仿函数就用默认参数即可，如果这个Key不能转换为整形，我们就需要自己实现⼀个仿函数传给这个参数，实现这个仿函数的要求就是尽量key的每值都参与到计算中，让不同的key转换出的整形值不同。如果是2^x ，那么key%2^x本质相当于保留key的后X位，那么后x位相同的值，计算出的哈希值都是⼀样的，就冲突了。
【C++】哈希（unordered系列关联式容器）
学了就忘是正常现象
03-29 1370
C++的unordered_set和unordered_map。很强的数据结构。
【C++】哈希——unordered系列容器|哈希冲突|闭散列|开散列
weixin_60478154的博客
02-27 2207
【C++】哈希——unordered系列容器|哈希冲突|闭散列|开散列
哈希算法以及容器实现
2301_79181624的博客
09-27 999
哈希算法是一种将输入数据（或称为“消息”）转换为固定长度的散列值（哈希值）的算法。它广泛应用于数据存储、加密、数据完整性检查等领域。讲通俗点就是将分散的数据重新映射，使其重新分布在某些区间，方便储存和统计。
【C++哈希：unordered系列容器&哈希概念&哈希冲突&模拟实现】
qq_64446981的博客
04-13 863
线性探测优点：实现非常简单。
C++——关联式容器（5）：哈希表
XLZ_44847的博客
09-22 1015
哈希表的出现依旧是为了查找方便而设计的。在顺序结构中，查询一个值需要一一比较，复杂度为O(N)；在平衡树中，查询变为了二分查找，复杂度为O(logN)；而对于哈希表，我们可以通过特殊的映射关系，将其查询的复杂度变为O(1)。因此，哈希（散列）的主要思想是用于查找，希望可以不通过比较，一次性拿到要搜索的元素。为了实现这个目的，可以考虑将带存储的元素按照某种哈希方法（散列方法）映射到指定位置，这样就在存储元素和存储位置之间产生了一一映射关系。
C++进阶：哈希
QinMou
10-21 908
哈希(hash)⼜称散列，是⼀种组织数据的⽅式。从译名来看，有散乱排列的意思。本质就是通过哈希函数把关键字Key跟存储位置建⽴⼀个映射关系，查找时通过这个哈希函数计算出Key存储的位置，进⾏快速查找。
C++进阶：用哈希表封装unordered_map和unordered_set
最新发布
2301_81699364的博客
11-23 668
• 通过源码可以看到，结构上hash_map和hash_set跟map和set的完 全类似，复用同⼀个hashtable实现key和key/value结构，hash_set传给hash_table的是两个 key，hash_map传给hash_table的是pair<const Key,Value>。• iterator实现的大框架跟list的iterator思路是一致的，用一个类型封装结点的指针，再通过重载运算符实现，迭代器像指针一样访问的行为，要注意的是哈希表的迭代器是单向迭代器。
C++进阶：封装unordered_map和unordered_set以及海量数据面试题
碧瑶的博客呀
11-19 531
使用哈希桶对unordered_map和unordered_set进行封装、海量数据面试题（位图的介绍、布隆过滤器、倒排索引）、unordered_map与map的相同和不同
【C++】哈希
Hello World!
11-06 1243
map 和 set 底层使用的结构是树形结构，也就是红黑树，查找数据的效率可以达到O(log n)，即树的高度次，这个效率已经很高了，但是当树的节点非常多时，效率就不是很理想了在 C++11 中，STL增添了四个 unordered 系列的关联式容器，它们的底层是哈希结构，采用哈希表来实现。在理想情况下，查询效率可以接近 O(1)这四个容器是：unordered_map、unordered_set、unordered_multimap 和 unordered_multiset，它们的使用和 map/set
【C++】哈希的概念及STL中有关哈希容器的使用
是阿建吖！
06-21 3380
这篇文章详细介绍了C++标准库中的无序关联容器unordered_set和unordered_map，它们基于哈希表实现，提供了高效的增删查改操作。这些容器允许存储唯一元素（对于unordered_set）或键值对（对于unordered_map），并且查找时间复杂度通常为O(1)。它们提供了丰富的接口，如构造、迭代、容量操作、增删查改及访问、以及桶操作等。底层结构基于哈希函数和哈希冲突解决策略（如开散列和闭散列），确保了数据的快速访问和存储。这些容器在需要高效查找和存储唯一元素或键值对的场景中非常有用。
【C++高阶(五)】哈希思想--哈希表&哈希桶
杭电码农-NEO的博客
11-27 3211
本篇文章着重讲解了哈希思想以及哈希思想下的产物:哈希表和哈希桶,以及它们的模拟实现和优化方法,内附代码和图文讲解,看完就能学会!
【C++庖丁解牛】底层为红黑树结构的关联式容器--哈希容器(unordered_map和unordered_set)
RO-BERRY
04-14 1392
unordered_map是存储<key, value>键值对的关联式容器，其允许通过keys快速的索引到与其对应的value。在unordered_map中，键值通常用于惟一地标识元素，而映射值是一个对象，其内容与此键关联。键和映射值的类型可能不同。在内部,unordered_map没有对<kye, value>按照任何特定的顺序排序, 为了能在常数范围内找到key所对应的value，unordered_map将相同哈希值的键值对放在相同的桶中。
详细解说STL hash_map系列
Ackarlix的专栏
12-29 1415
  详细解说STL hash_map系列整理：Ackarlix挨踢网【中文IT技术社区】http://www.aitic.net 详细解说STL hash_map系列 0 为什么需要hash_map 1 数据结构：hash_map原理 2 hash_map 使用 2.1 一个简单实例 2.2 hash_map 的hash函数 2.3 hash_map 的
C++中STL容器之哈希容器
75 69 69 80 32 67 79 68 73 78 71 33
10-06 1271
文章目录1. 介绍2.常见容器3.unorder_map()3.1 构造函数3.2 成员函数4. unorder_set() 1. 介绍 前面介绍的 map/multimap、set/multiset底层都是基于红黑树实现的，复杂度大致在O(logn)O(logn)O(logn)，本次介绍的容器底层都是基于哈希(hash)表，具有很快的映射速度。 基于哈希表，数据的插入和查找的时间复杂度都很低，几...
C++STL中基于哈希的关联式容器
weixin_42067873的博客
08-16 560
一、hash_map原理 hash_map基于hash table（哈希表）。 哈希表最大的优点，就是把数据的存储和查找消耗的时间大大降低，几乎可以看成是常数时间；而代价仅仅是消耗比较多的内存。然而在当前可利用内存越来越多的情况下，用空间换时间的做法是值得的。另外，编码比较容易也是它的特点之一。 其基本原理是：使用一个下标范围比较大的数组来存储元素。可以设计一个函数（哈希函数，也叫做散列函数），使得每个元素的关键字都与一个函数值（即数组下标，hash值）相对应，于是用这个数组单元来存储这个元素；也可以简
C++ STL无序容器（哈希容器）
weixin_41167925的博客
08-02 624
C++ STL无序容器（哈希容器）是什么？ 无序容器是 C++ 11 标准才正式引入到 STL 标准库中的，这意味着如果要使用该类容器，则必须选择支持 C++ 11 标准的编译器。 关联式容器一样，无序容器也使用键值对（pair 类型）的方式存储数据。不过，本教程将二者分开进行讲解，因为它们有本质上的不同： 关联式容器的底层实现采用的树存储结构，更确切的说是红黑树结构； 无序容器的底层实现采用的是哈希表的存储结构。 基于底层实现采用了不同的数据结构，因此和关联式容器相比，无序容器具有以下 2 个特点： 无序
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值