欢迎访问我的博客：http://wangnan.tech
第五章 散列表
- 散列函数“将输入映射到数字”
- 散列函数总是将同样的输入映射到相同的索引
- 散列函数将不同的输入映射到不同的索引
- 散列函数知道数组有多大，只返回有效的索引
- 而散列表也使用数组来存储数据，因此其获取元素的速度与数组一样快。
散列表适合用于
模拟映射关系；
防止重复；
缓存/记住数据，以免服务器再通过处理来生成它们。
如果两个键映射到了同一个位置，就在这个位置储存一个链表
经验
散列函数很重要。前面的散列函数将所有的键都映射到一个位置，而最理想的情况是，
散列函数将键均匀地映射到散列表的不同位置。如果散列表存储的链表很长，散列表的速度将急剧下降。然而，如果使用的散列函数很
好，这些链表就不会很长！在最糟情况下，散列表所有操作的运行时间都为O(n)——线性时间
在平均情况下，散列表的查找（获取给定索引处的值）速度与数组一样快，而插入和删除速
度与链表一样快，因此它兼具两者的优点！但在最糟情况下，散列表的各种操作的速度都很慢。因此，在使用散列表时，避开最糟情况至关重要。为此，需要避免冲突。而要避免冲突，需要有1.较低的填装因子2.良好的散列函数。
填装因子大于1意味着商品数量超过了数组的位置数。一旦填装因子开始增大，你就需要在散列表中添加位置，这被称为调整长度（resizing）。
一个不错的经验规则是：一旦填装因子大于0.7，就调整散列表的长度。
什么样的散列函数是良好的呢？你根本不用操心——天塌下来有高个子顶着。如果你好奇，
可研究一下SHA函数
小结
你几乎根本不用自己去实现散列表，因为你使用的编程语言提供了散列表实现。你可使用
Python提供的散列表，并假定能够获得平均情况下的性能：常量时间。散列表是一种功能强大的数据结构，其操作速度快，还能让你以不同的方式建立数据模型。
你可能很快会发现自己经常在使用它。你可以结合散列函数和数组来创建散列表。
冲突很糟糕，你应使用可以最大限度减少冲突的散列函数。
散列表的查找、插入和删除速度都非常快。
散列表适合用于模拟映射关系。
一旦填装因子超过0.7，就该调整散列表的长度。
散列表可用于缓存数据（例如，在Web服务器上）。
散列表非常适合用于防止重复。
第六章 广度优先搜索
- 广度优先搜索指出是否有从A到B的路径。
- 如果有，广度优先搜索将找出最短路径。
- 面临类似于寻找最短路径的问题时，可尝试使用图来建立模型，再使用广度优先搜索来
解决问题。 - 有向图中的边为箭头，箭头的方向指定了关系的方向，例如，rama→adit表示rama欠adit钱。
- 无向图中的边不带箭头，其中的关系是双向的，例如，ross - rachel表示“ross与rachel约
会，而rachel也与ross约会”。 - 队列是先进先出（FIFO）的。
- 栈是后进先出（LIFO）的。
- 你需要按加入顺序检查搜索列表中的人，否则找到的就不是最短路径，因此搜索列表必
须是队列。 - 对于检查过的人，务必不要再去检查，否则可能导致无限循环。
