哈希表可以表述为，是一种可以根据关键字快速查询数据的数据结构
一. 哈希表有哪些优点？
不论哈希表中数据有多少，增加，删除，改写数据的复杂度平均都是O(1)，效率非常高
二. 实现哈希表
1. 哈希表原理
如果说每一个数据它都对应着一个固定的位置，那我们查找特定一个数据时，就可以直接查看这个数据对应的位置是否存在数据。一个形象的例子就是学生在教室中的位置，开学的时候，老师会给学生每一个人分配一个位置，而且不允许学生随便乱坐位置，以后老师要查看今天李刚同学有没有上课，直接看李刚同学的位置是不是有人就可以判断，没必要点了全班同学的名才可以知道李刚同学来了没有。
2. 实现简单的哈希表
根据上面的原理，首先，我们要分配一片空间用来存储我们数据，比如是一个空的数组
然后，有数据存进来的时候，按照特定规则得出这个数据在数组中的位置，将数据存进这个位置
我们就以存进一个整型数据为例，特定规则就是取余
根据计算出来的值，将这些数据放入对应的位置，我们的数组变为
我们已经把数据插入到了哈希表中，现在，我们要查找一个数据，只要按照取余规则计算出这个数据在数组中对应的位置，然后查看数组的这个位置，就可以取出这个数据了，比如我们要从哈希表中取出52，根据取余规则，52的计算出来的位置是8，数组中8这个位置是空的，52不在哈希表中，找不到52的数据；从哈希表中取出77，77计算出来的位置是0，数组中0这个位置有值，而且值就是77，从哈希表中取出77的值。
至此，我们知道实现了一个很简单的哈希表的原理，其实还存在很多问题，这个我们接下来讨论，这儿先把我们前面的一些概念用专业的术语替换一下，前面我们所说的特定规则，我们称之为哈希函数，用特定股则计算出来的值称之为哈希值。
3. 还存在哪些问题？
1. 有可能两个数据通过哈希函数计算出来的哈希值有可能相等，比如77，88计算出来的位置值都是0
2. 如果哈希表满了，该怎么扩容
第一个问题就是如何解决这种冲突
有开放定址法，链定址法，我们说一下开放定址法，就是将这个冲突的数据再重新计算一个空的位置，将其存进去，比如我们要存放88，哈希值是0，数组这个位置已经有值了，那我们再获取一个哈希值，比如在原哈希值的基础上加1，得到1，1的位置是空，我将88放进去。有人会问，1这个位置被占了，那下一个数据是1这个位置怎么办，这时候，我们还是同样的做法，给这个数据再计算一个哈希值。
插入88后的数组变为
冲突解决了，但我们读取数据的时候，好像又出现问题了，88的哈希值是0，发现数组0位置不是空的，那我们确定88在哈希表中？肯定不行，0这个位置存储的是77，不是88。我们的解决方法是判断0这个位置的值是不是88，不是的话，再计算88的哈希值是1，判断是1这个位置是否为空，为空，则88不在哈希表中；不为空，判断值是否为88，若是88，确定在哈希表中；如果值不是88，我们则继续计算哈希值是2，依次下去，直到找到88或者值为空的位置。
第二个问题，哈希表扩容
一个简单的解决办法是，当插入数据时，发现所有的位置都满了，我们就再分配一个大于原先空间的一片空间，把原来空间中的值重新哈希到新的空间中。
4. 哈希表的python实现
python中的字典就是哈希表，下面代码实现了一个简单的字典
class Dict: def __init__(self, size=10): self.size = size self.key = [None] * self.size self.data = [None] * self.size def __setitem__(self, key, value): assert isinstance(key, int) index = self.hash(key) if not self.key[index]: self.key[index] = key self.data[index] = value elif self.key[index] == key: self.data[index] = value else: start = index while self.key[index] and self.key[index] != key: index = self.re_hash(index) if index == start: raise Exception('dict is full') if self.key[index]: self.data[index] = value else: self.key[index] = key self.data[index] = value def __getitem__(self, item): assert isinstance(item, int) index = self.hash(item) if not self.key[index]: raise KeyError(item) else: if self.key[index] == item: return self.data[index] else: start = index while self.key[index] and self.key[index] != item: index = self.re_hash(index) if start == index: raise KeyError(item) if self.key[index] == item: return self.data[index] else: raise KeyError(item) def __contains__(self, item): assert isinstance(item, int) index = self.hash(item) if not self.key[index]: return False else: if self.key[index] == item: return True else: start = index while self.key[index] and self.key[index] != item: index = self.re_hash(index) if start == index: break if self.key[index] == item: return True else: return False def hash(self, key): index = key % self.size return int(index) def re_hash(self, index): return index+1 a = Dict() a[1]='3' a[2]='4' print(a[5])
三. 总结：
哈希表对于数据的插入，删除，更新操作复杂的平均是O(1)，效率非常高，如果不关心数据的存储顺序，我们可以选取这种数据结构。