我一直在研究python中的数据结构,我创建了一个简单的字典实现,如下所示。虽然这个实现最终没用(可以使用hash()
而不是创建哈希函数等),但我对它们如何组合在一起的细节很感兴趣。
此实现选择起始大小11. self.capacity
跟踪剩余的空闲时隙数。当添加(键,值)对时,它会减1,一旦达到0,每次需要时都会触发新的插槽。
我的问题是这个:从哈希函数计算的哈希值取决于len(self.slots)
,但是当我向字典添加更多空格时,这个值会不断增加。我没有使用len(self.slots)
来计算哈希函数,而是尝试使用初始大小(11),但是一旦字典尝试添加第12个(键,值)对,程序似乎就会卡住。这似乎表明散列函数需要基于表的大小,并且为了保持添加元素,我需要能够增加表的大小。这引出了以下问题。
任何解释,有趣的见解或有用的花絮都将非常感激。
#
class HashTable:
def __init__(self):
self.size = 11
self.capacity = self.size
self.slots = [None] * self.size
self.data = [None] * self.size
def hashfunction(self, key, size):
return key%size
def rehash(self, oldhash, size):
return (oldhash+1)%size
def put(self, key, value):
hashvalue = self.hashfunction(key,len(self.slots))
if self.capacity < 1:
self.slots += [None]
self.data += [None]
self.capacity += 1
if self.slots[hashvalue] == None:
self.slots[hashvalue] = key
self.data[hashvalue] = value
self.capacity -= 1
else:
if self.slots[hashvalue] == key:
self.data[hashvalue] = data
else:
rehashed = self.rehash(hashvalue, len(self.slots))
while self.slots[rehashed] != None and self.slots[rehashed] != key:
rehashed = self.rehash(rehashed, len(self.slots))
if self.slots[rehashed] == None:
self.slots[rehashed] = key
self.data[rehashed] = value
self.capacity -= 1
else:
self.data[rehashed] = value
def get(self, key):
startslot = self.hashfunction(key, len(self.slots))
data = None
found = False
stop = False
position = startslot
while self.slots[position] != None and not found and not stop:
if self.slots[position] == key:
data = self.data[key]
found = True
else:
position = self.rehash(position, len(self.slots))
if position == startslot:
stop = True
return data
def __delitem__(self, key):
hashvalue = self.hashfunction(key, len(self.slots))
if self.slots[hashvalue] == key:
self.slots[hashvalue] = None
self.data[hashvalue] = None
else:
rehashed = self.hashfunction(hashvalue, len(self.slots))
while self.slots[rehashed] != key:
rehashed = self.hashfunction(rehashed, len(self.slots))
if self.slots[rehashed] == key:
self.slots[rehashed] == None
self.data[rehashed] == None
def __contains__(self, key):
return key in self.slots
def __getitem__(self, key):
return self.get(key)
def __setitem__(self, key, value):
self.put(key, value)
答案 0 :(得分:6)
您需要保持散列和表格大小分开。哈希应仅基于密钥,而不是大小。每个键值条目存储以下信息:
根据表格大小和哈希值选择一个插槽:
slot = hash % tablesize
然后,当您当前表中的空间不足时,生成一个 new 表(比如说,加倍大小),以适应不断增长的数据集,以及 reslot 一切。您已经缓存了哈希值,您只需要使用每个(key, hash, value)
元组并使用上面的公式重新计算新的槽,现在使用更大的表格。
您还必须决定how to handle collisions;给出当前表大小的两个哈希最终在同一个槽中。 Python的dict
使用open addressing,其中哈希被扰乱&#39;以可重复的方式,直到找到另一个空槽。
您可能需要研究Python dict
源代码以了解它们是如何执行此操作的,请参阅extensive comments on how collisions are handled。您还可以观看this PyCon presentation,其中Brandon Rhodes用一些非常具有启发性的图形解释了所有这些细节。或者您可以获取Beautiful Code的副本,其中包含有关Python dict
实现的整章。