本章学习
- 散列表是最有用的基础数据结构，Python中叫字典dict()
- 散列表的内部机制：实现、冲突、散列函数
情景导入（数组的索引时间为O（1））
你现在是一个杂货店老板的孩子，暑假你帮忙打理小店。第一件事就是记下每件商品的价格。你可以聪明的按照类别来分：水果、香烟、零食、饮料。但是因为你是个新手，你也可能没有分类的记下了每个商品的价格，例如：红富士苹果：3.9 元／斤，利群香烟：20元／包等等。这个时候来了一个顾客，他要买卫龙辣条，然后你就认真的翻阅每一条信息，直到找到对应的价格。最糟糕的情况是卫龙辣条可能在最后一列。这个时候你所花的时间就是O（n）。如果你是按照类别分类的你只需要花O（logn）。这样你的速度已经很快了，不过如果你店里面的产品非常多，仍然需要顾客等很久。有什么办法是我输入商品，就能立马得到商品价格【时间为O（1）】
散列函数
散列函数：将输入映射到数字，将输入映射到索引，这样就可以实现O（1）提取
散列函数需要满足的条件
- 它必须一致，以小卖部为例，第一次输入：红富士苹果显示3.9。第二次再输入，它还应该是3.9.不管多少次，他都应该是3.9
- 它应该把不同的输入映射到不同数字，例如一个散列不管输入什么都是返回1，就不是个好的散列函数
散列表hash table：包含额外逻辑的数据结构。
数组和链表是被直接映射到内存，散列函数是确定元素的存储位置（链表的位置如何返回）
散列表（hash table）的应用案例
一：查找
手机内置的电话簿：名字对应电话号码，Python中快速建表：phone_book = { }
-
Q:使用数组如何创建电话薄？
散列表用于大海捞针的查找：网址和IP地址访问映射
二：防止重复
列入：举行一次选举，每人一票，之前投票的人就不能再投票了。
三：将散列表用作缓存
缓存工作原理：他储存再散列表中，以Facebook为例
- 向FB服务器发出请求
- 服务器生成一个网页发给你
- 你获得一个网页
缓存的优点：更快看到网页／FB需要做的更少
冲突collision（实际上是很难将不同的键映射到不同位置的）
例子：有一个数组，有26个位置用于存储。当你输入apple，banana是按照顺序a，b排序的。但是当你再输入ab产品的时候就有问题了，他和apple共享位置。
解决的方法也简单粗暴：这个位置键入一个链表（相当于数组中键入链表，散列表只是映射关系）
好的散列表：较低填装因子／良好的散列函数
填装因子：散列表包含元素／位置总数，例如：占用2个位置，总共有5个位置。那就是2/5.一般大于0.7就毕竟偏高了。
良好的散列函数：呈均匀分布