查找之哈希表(python实现LeetCode刷题)

根据数据结构书上的讲解，查找包括暴力遍历、折半查找以及二叉树查找。其中顺序查找和折半查找适合静态查找，折半查找前提线性表必须是有序的。三种查找算法的时间复杂度分别是$O(n),O(logn),O(logn)$。线性表和树表都是通过比较关键字的方法，查找的效率取决于关键字的次数。有没有一种方法可以不进行关键字比较，直接找到目标？那就是散列表的查找，也称哈希表。是通过散列函数将关键字映射到存储地址，建立了关键字和存储地址的一种直接映射关系。

• 哈希表包括哈希函数，处理冲突的方法和查找性能等三个方面。

这里主要讲解python中dict使用的哈希表，最低能在$O(1)$时间内完成搜索！python中dict在处理冲突的时候采用的是开放寻址法，开放寻址法是在线性存储空间上的解决方案，也称为闭散列。当发生冲突时，采用冲突处理方法在线性存储空间上探测其他位置：$has{h}^{,}(key)=(hash(key)+d_i)$
开放寻址法又分为线性探测法、二次探测法、随机探测法和再散法。

开放寻址法

• 线性探测法
  线性探测法是最简单的开发地址法，线性探测的$d_i$每次增加1，即：
  $d_i$ = 1，…，m-1。
  线性探测法比较简单，只要有空间就会一直探测直到探测到位置为止。但是处理冲突的过程中，会出现非同义词对同一个散列地址争夺的现象，称为“堆积”。
• 二次探测法
  二次探测法采用前后跳跃式探测的方法，即以增量平方的形式进行探测，避免堆积。增量序列如下：
  $d_i=1^2,-1^2，2^2,-2^2，...k^2,-k^2(k<=m/2)$
  注意：二次探测法是跳跃式探测，效率较高，但是会出现有存储空间但是探测不到的情况，因而存储失败，而线性探测是只要有空间就一定能够探测成功。
• 随机探测法
  采用伪随机数进行探测，利用伪随机数避免堆积。随机探测的增量序列为：
  $d_i=$伪随机序列
• 再散列法
  当通过散列函数得到的地址发生冲突时，再利用第二个散列函数处理，称为双散列法。其增量序列为：$d_i=has{h}_2(key)$

注意：开放地址法处理冲突时，不能随便删除表中的元素，若删除元素会截断其他后续元素的查找。因为在查找过程中，遇到空就会返回查找失败，因此要删除一个元素式，可以做一个删除标记，表示该元素已经删除。

LeetCode刷题

该题链接：https://leetcode-cn.com/problems/contains-duplicate/

class Solution:
    def containsDuplicate(self, nums: List[int]) -> bool:
        t_dict = {
    
    }
        for num in nums:
            if num not in t_dict.keys():
                t_dict[num] = 1
            else:
                return True
        return False