数据结构例程——哈希表及其运算的实现

本文是[数据结构基础系列(8):查找]中第11课时[哈希表——散列结构]和第12课时[哈希表的运算]的例程。

#include <stdio.h>
#define MaxSize 100         //定义最大哈希表长度
#define NULLKEY -1          //定义空关键字值
#define DELKEY  -2          //定义被删关键字值
typedef int KeyType;        //关键字类型
typedef char * InfoType;    //其他数据类型
typedef struct
{
    KeyType key;            //关键字域
    InfoType data;          //其他数据域
    int count;          //探查次数域
} HashData;

typedef HashData HashTable[MaxSize];        //哈希表类型

void InsertHT(HashTable ha,int &n,KeyType k,int p)  //将关键字k插入到哈希表中
{
    int i,adr;
    adr=k % p;
    if (ha[adr].key==NULLKEY || ha[adr].key==DELKEY)    //x[j]可以直接放在哈希表中
    {
        ha[adr].key=k;
        ha[adr].count=1;
    }
    else                    //发生冲突时采用线性探查法解决冲突
    {
        i=1;                //i记录x[j]发生冲突的次数
        do
        {
            adr=(adr+1) % p;  //此处处理冲突,但有不妥之处。应该%m,但m在这一个系列的解答中,并未作为参数传递进来。见程序后面的讨论
            i++;
        }
        while (ha[adr].key!=NULLKEY && ha[adr].key!=DELKEY);
        ha[adr].key=k;
        ha[adr].count=i;
    }
    n++;
}
void CreateHT(HashTable ha,KeyType x[],int n,int m,int p)  //创建哈希表
{
    int i,n1=0;
    for (i=0; i<m; i++)         //哈希表置初值
    {
        ha[i].key=NULLKEY;
        ha[i].count=0;
    }
    for (i=0; i<n; i++)
        InsertHT(ha,n1,x[i],p);
}
int SearchHT(HashTable ha,int p,KeyType k)      //在哈希表中查找关键字k
{
    int i=0,adr;
    adr=k % p;
    while (ha[adr].key!=NULLKEY && ha[adr].key!=k)
    {
        i++;                //采用线性探查法找下一个地址
        adr=(adr+1) % p;
    }
    if (ha[adr].key==k)     //查找成功
        return adr;
    else                    //查找失败
        return -1;
}
int DeleteHT(HashTable ha,int p,int k,int &n)   //删除哈希表中关键字k
{
    int adr;
    adr=SearchHT(ha,p,k);
    if (adr!=-1)        //在哈希表中找到该关键字
    {
        ha[adr].key=DELKEY;
        n--;            //哈希表长度减1
        return 1;
    }
    else                //在哈希表中未找到该关键字
        return 0;
}
void DispHT(HashTable ha,int n,int m)    //输出哈希表
{
    float avg=0;
    int i;
    printf(" 哈希表地址:\t");
    for (i=0; i<m; i++)
        printf(" %3d",i);
    printf(" \n");
    printf(" 哈希表关键字:\t");
    for (i=0; i<m; i++)
        if (ha[i].key==NULLKEY || ha[i].key==DELKEY)
            printf("    ");         //输出3个空格
        else
            printf(" %3d",ha[i].key);
    printf(" \n");
    printf(" 搜索次数:\t");
    for (i=0; i<m; i++)
        if (ha[i].key==NULLKEY || ha[i].key==DELKEY)
            printf("    ");         //输出3个空格
        else
            printf(" %3d",ha[i].count);
    printf(" \n");
    for (i=0; i<m; i++)
        if (ha[i].key!=NULLKEY && ha[i].key!=DELKEY)
            avg=avg+ha[i].count;
    avg=avg/n;
    printf(" 平均搜索长度ASL(%d)=%g\n",n,avg);
}
int main()
{
    int x[]= {16,74,60,43,54,90,46,31,29,88,77};
    int n=11,m=13,p=13,i,k=29;
    HashTable ha;
    CreateHT(ha,x,n,m,p);
    printf("\n");
    DispHT(ha,n,m);
    i=SearchHT(ha,p,k);
    if (i!=-1)
        printf(" ha[%d].key=%d\n",i,k);
    else
        printf(" 未找到%d\n",k);
    k=77;
    printf(" 删除关键字%d\n",k);
    DeleteHT(ha,p,k,n);
    DispHT(ha,n,m);
    i=SearchHT(ha,p,k);
    if (i!=-1)
        printf(" ha[%d].key=%d\n",i,k);
    else
        printf(" 未找到%d\n",k);
    printf(" 插入关键字%d\n",k);
    InsertHT(ha,n,k,p);
    DispHT(ha,n,m);
    printf("\n");
    return 0;
}

附:关于上面解法中存在的问题
  1. 运行上面的程序,结果为

  结果正确。

  2.改换问题要求。还是这一组数,但哈希函数改为h(k)=k%11,装填因子选0.8,于是存储单元m=11÷0.8=13。期望的结果是:

  修改main函数,实施测试。改动如下:

int main()
{
    int x[]= {16,74,60,43,54,90,46,31,29,88,77};
    int n=11,m=13,p=11,i,k=29;   //将p修改为11
    HashTable ha;
    CreateHT(ha,x,n,m,p);
    ……
}

  但运行结果中建立的哈希表却是:

  从代码中找其原因。解决冲突中重新定址的adr=(adr+1)%p应该是adr=(adr+1)%m,应该以存储单元数m为依据,决定是否将下标返回到0。
  本文开头的课件截图中,也明确示出 di=(di−1+1) mod m 。相关的InsertHT函数和SearchHT函数中对应的代码,都应该改过。在修改中,存储单元数m也应该作为参数传递给相关的函数。
  感谢烟台大学计146-2班杨珺同学指出错误。本文讨论至此,暂不做修改。这可能更有利于读者从我的错误中得到提高。

时间: 2025-01-27 21:49:49

数据结构例程——哈希表及其运算的实现的相关文章

浅谈算法和数据结构 十一 哈希表

在前面的系列文章中,依次介绍了基于无序列表的顺序查找,基于有序数组的二分查找,平衡查找树,以及红黑树,下图是他们在平均以及最差情况下的时间复杂度: 可以看到在时间复杂度上,红黑树在平均情况下插入,查找以及删除上都达到了lgN的时间复杂度. 那么有没有查找效率更高的数据结构呢,答案就是本文接下来要介绍了散列表,也叫哈希表(Hash Table) 什么是哈希表 哈希表就是一种以 键-值(key-indexed) 存储数据的结构,我们只要输入待查找的值即key,即可查找到其对应的值. 哈希的思路很简单

数据结构是哈希表(hashTable)

哈希表也称为散列表,是根据关键字值(key value)而直接进行访问的数据结构.也就是说,它通过把关键字值映射到一个位置来访问记录,以加快查找的速度.这个映射函数称为哈希函数(也称为散列函数),映射过程称为哈希化,存放记录的数组叫做散列表.比如我们可以用下面的方法将关键字映射成数组的下标:arrayIndex = hugeNumber % arraySize.         哈希化之后难免会产生一个问题,那就是对不同的关键字,可能得到同一个散列地址,即同一个数组下标,这种现象称为冲突,那么我

数据结构-哈希表(C描述)

1.基于分离链解决冲突 1.1主要的存储结构 struct ListNode { ElementType Element; Position Next; }; 这是存储数据的结构,实际上是一个链表. typedef struct ListNode *Position; typedef Position List; struct HashTbl { int TableSize;//哈希表大小 List *TheLists;//指针数组 }; 这是哈希表主结构,*TheLists是一个指针数组,数组

数据结构哈希表有关问题求助

问题描述 数据结构哈希表有关问题求助 一直搞不懂哈希表等我问题,还有线性探测再散列和二次探测再散列,请举例子帮我详细讲解一下,谢谢了 解决方案 [数据结构]哈希表数据结构-哈希表数据结构之哈希表

php内核解析:PHP中的哈希表_php技巧

PHP中使用最为频繁的数据类型非字符串和数组莫属,PHP比较容易上手也得益于非常灵活的数组类型. 在开始详细介绍这些数据类型之前有必要介绍一下哈希表(HashTable). 哈希表是PHP实现中尤为关键的数据结构. 哈希表在实践中使用的非常广泛,例如编译器通常会维护的一个符号表来保存标记,很多高级语言中也显式的支持哈希表. 哈希表通常提供查找(Search),插入(Insert),删除(Delete)等操作,这些操作在最坏的情况下和链表的性能一样为O(n). 不过通常并不会这么坏,合理设计的哈希

AS2.0中实现数据结构-哈希表

数据|数据结构 在游戏制作中我们经常需要存储一些离散的对象数据,比如道具箱里的道具,经常需要执行插入和删除操作,而且道具之间没有联系是无序排列的.有些人会说直接用数组不就得了,但是有大量数据存储时的数组的删除插入操作的效率是很低的.因此我们需要哈希表这样的可以提供快速的插入和删除,查找操作的数据结构,不论哈希表中有多少数据,插入和删除操作只需要接近常量的时间:即O(1)的时间级.既然这么好那么我们的AS可以实现吗?当然可以!AS发展到AS2.0,已经成为在语法上更接近于Java + Pascal

C#与数据结构--哈希表(Hashtable)

C#中实现了哈希表数据结构的集合类有: (1)System.Collections.Hashtable (2)System.Collections.Generic.Dictionary<TKey,TValue> 前者为一般类型的哈希表,后者是泛型版本的哈希表.Dictionary和Hashtable之间并非只是简单的泛型和非泛型的区别,两者使用了完全不同的哈希冲突解决办法.Dictionary我已经做了动态演示程序,使用的是Window应用程序.虽然Dictionary相对于Hashtable

数据结构与算法07 之哈希表

  哈希表也称为散列表,是根据关键字值(key value)而直接进行访问的数据结构.也就是说,它通过把关键字值映射到一个位置来访问记录,以加快查找的速度.这个映射函数称为哈希函数(也称为散列函数),映射过程称为哈希化,存放记录的数组叫做散列表.比如我们可以用下面的方法将关键字映射成数组的下标:arrayIndex = hugeNumber % arraySize.         哈希化之后难免会产生一个问题,那就是对不同的关键字,可能得到同一个散列地址,即同一个数组下标,这种现象称为冲突,那

数据结构教程 第三十二课 哈希表(一)

教学目的: 掌握哈希表的概念作用及意义,哈希表的构造方法 教学重点: 哈希表的构造方法 教学难点: 哈希表的构造方法 授课内容: 一.哈希表的概念及作用 一般的线性表,树中,记录在结构中的相对位置是随机的,即和记录的关键字之间不存在确定的关系,因此,在结构中查找记录时需进行一系列和关键字的比较.这一类查找方法建立在"比较"的基础上,查找的效率依赖于查找过程中所进行的比较次数. 理想的情况是能直接找到需要的记录,因此必须在记录的存储位置和它的关键字之间建立一个确定的对应关系f,使每个关键