當一組資料項的排列是無序時，我們就用順序查詢；當資料項是有序時，我們可以用二分查詢法來降低演算法複雜度，從順序查詢法的o(n)，降低到二分查詢法的o(log n)，從而實現更高效的查詢。
那麼問題來了，我們能否進一步降低查詢的演算法複雜度呢？
答案是，能。
現在，我們進一步構造乙個新的資料結構，能使得查詢演算法的複雜度降低到o(1)，也就是常數級別。實現的這種概念就是雜湊(hashing)。
雜湊（hashing）
要使得查詢的次數降低到常數級別，先要對資料項所處的位置有更多的先驗知識——如果事先能知道要找的資料項應該出現在資料集裡的什麼位置，就可以直接到那個位置檢視資料項是否存在即可。 由資料項的值來確定其存放位置，如何能做到這一點呢？
雜湊表(hash table，又稱雜湊表)就是我們的答案。
雜湊表，是一種資料集，其中資料項的儲存方式尤其有利於將來快速的查詢定位。
雜湊表中的每乙個儲存位置，稱為槽(slot)，是用來儲存資料項的。每個槽都有唯一的名稱。
實現從資料項到儲存槽名稱轉換的，稱為雜湊函式(hash function)。
乙個雜湊的示例
下面示例中，雜湊函式接受資料項作為引數，返回整數值0~10，表示資料項儲存的槽號（名稱）。 假設我們有這麼一些資料項：
54, 26, 93, 17, 77, 31實際上「求餘數」方法會以不同形式出現在所有的雜湊函式裡。
因為雜湊函式返回的槽號必須在雜湊表大小範圍之內，所以一般會對雜湊表大小求餘。
在我們的這個示例中，因為槽號的下標是0~10，一共11個槽，所以雜湊函式是最簡單的求餘：
h(item) = item % 11item hash value
54 10
26 4
93 5
17 6
77 0
31 9
我們把資料項都儲存在雜湊表中之後，查詢就非常簡單了。
如果要查詢某個資料項是否存在於表中，我們需要使用同乙個雜湊函式，對查詢項進行計算，測試下返回的槽號所對應的槽中是否有資料項即可。
如此，我們便實現了複雜度為o(1)的查詢演算法。
雜湊表查詢方法的劣勢
上述例子雖然實現了o(1)複雜度的查詢演算法，但是，我們注意到，示例比較特殊，6個資料項佔據了6個槽，也就是每個槽只有1個獨一無二的資料項。
那麼問題來了，如果再增加1個資料項，比如44，h(44)=0，就造成了#0槽有兩個資料項，7個資料項只佔據了6個槽的情況，即有乙個槽有2個不同的資料項。這種情況稱為衝突（collision）。
關於衝突的情況，我們後面再討論其解決方案。
資料結構與演算法 查詢與排序
參考 線性查詢 二分查詢 氣泡排序 插入排序 選擇排序 快速排序 歸併排序 逐個查詢要查詢的物件 include typedef char datatype int mysearch datatype ts,int n,const datatype d int main printf d n mys...
資料結構與演算法（九） 查詢與排序
打卡第九天 快速排序 c 異常處理沒有搞定 lll 排序陣列本身就是陣列旋轉的乙個特例。在對陣列進行排序或查詢時，要注意陣列中有相同數字的特例，比如下面的旋轉陣列的時候 查詢 順序查詢 二分查詢 雜湊表查詢 二叉排序查詢 排序 插入排序 氣泡排序 歸併排序 快速排序 實現快速排序演算法的關鍵在於先在...
Python 資料結構與演算法 查詢與排序
查詢和排序是最基本的演算法，在很多指令碼中都會用到查詢和排序。儘管 python 提供的用於查詢和排序的函式能夠滿足絕大多數需求，但還是有必要了解最基本的查詢和排序演算法，以便在有特殊需求的情況下，可以自己編寫查詢 排序指令碼。基本的查詢方法有順序查詢 二分查詢和分塊查詢等。其中，順序查詢是最簡單的...