LeetCode705. Design HashSet

题目 

不使用任何内建的哈希表库设计一个哈希集合

具体地说,你的设计应该包含以下的功能

  • add(value):向哈希集合中插入一个值。
  • contains(value) :返回哈希集合中是否存在这个值。
  • remove(value):将给定值从哈希集合中删除。如果哈希集合中没有这个值,什么也不做。


示例:

MyHashSet hashSet = new MyHashSet();
hashSet.add(1);         
hashSet.add(2);         
hashSet.contains(1);    // 返回 true
hashSet.contains(3);    // 返回 false (未找到)
hashSet.add(2);          
hashSet.contains(2);    // 返回 true
hashSet.remove(2);          
hashSet.contains(2);    // 返回  false (已经被删除)


注意:

  • 所有的值都在 [1, 1000000]的范围内。
  • 操作的总数目在[1, 10000]范围内。
  • 不要使用内建的哈希集合库。

考点

1.哈希表O(1)。用数组空间换时间。data.resize(1000000,0);

2.二维数组,优化空间复杂度,1000个空数组 ,对数字取1000的余作为哈希值,定位到二维数组中,再除1000得到二度的哈希值。


思路

solution1

构造函数。顺序容器vector<int> data。重置数组大小:100w.

增:key对应的val设为1。

删:key对应的值设为0.

判断是否存在:bool返回 data[key]==1.

HashSet最有用的地方就是其能够在O(1)内判断某个元素是否存在,这都得归功于哈希表的作用。但是现在不让我们用了,但我们还是得保证其常数级的查找效率,那么就用空间来换时间吧。既然题目中说了数字的范围不会超过1000000,那么我们就申请这么大空间的数组,这样对于在HashSet中的数字,我们就将其标记为1,不在或者删除了的就标记为0,检测的时候就看其值是否为1即可.

solution2.

优化空间复杂度。二维数组,开始初始化1000个空数组,key%1000是哈希值(一维指针),key/1000是二维指针。

优化空间复杂度,由于存入HashSet的数字也许不会跨度很大,那么直接就申请长度为1000000的数组可能会有些浪费,那么我们其实可以使用1000个长度为1000的数组来代替,那么就要用个二维数组啦,实际上开始我们只申请了1000个空数组,对于每个要处理的元素,我们首先对1000取余,得到的值就当作哈希值,对应我们申请的那1000个空数组的位置,在加入元素时,一旦计算出了哈希值,我们将对应的空数组resize为长度1000,然后根据哈希值key/1000来确定具体的加入位置。

移除数字一样的,先计算出哈希值,如果对应的数组不为空的话,找到对应的位置并赋值为0。

不过大家也可以看出来,我们在加入元素时会开辟1000的新空间,但是删除这个元素时,并没有检测这1000个位置是否均为0,是的话应该删除这1000个新空间。但是这样可能会使得删除函数变慢一些,

 


代码

solution1.

class MyHashSet {
public:
    /** Initialize your data structure here. */
    MyHashSet() {
        data.resize(1000000, 0);
    }
    
    void add(int key) {
        data[key] = 1;
    }
    
    void remove(int key) {
        data[key] = 0;
    }
    
    /** Returns true if this set contains the specified element */
    bool contains(int key) {
        return data[key] == 1;
    }
    
private:
    vector<int> data;
};

solution2.

优化空间复杂度,由于存入HashSet的数字也许不会跨度很大,那么直接就申请长度为1000000的数组可能会有些浪费,那么我们其实可以使用1000个长度为1000的数组来代替,那么就要用个二维数组啦,实际上开始我们只申请了1000个空数组,对于每个要处理的元素,我们首先对1000取余,得到的值就当作哈希值,对应我们申请的那1000个空数组的位置,在加入元素时,一旦计算出了哈希值,我们将对应的空数组resize为长度1000,然后根据哈希值key/1000来确定具体的加入位置。

移除数字一样的,先计算出哈希值,如果对应的数组不为空的话,找到对应的位置并赋值为0。

不过大家也可以看出来,我们在加入元素时会开辟1000的新空间,但是删除这个元素时,并没有检测这1000个位置是否均为0,是的话应该删除这1000个新空间。但是这样可能会使得删除函数变慢一些,

 

class MyHashSet {
public:
    /** Initialize your data structure here. */
    MyHashSet() {
        data.resize(1000,vector<int>());
        //二维数组初始化,第一个数是个数,第二个参数是元素类型,vector<int>()表示初始化为0的容器。要加()!!!!
    }
    
    void add(int key) {
        int hashkey=key%1000; 
        if(data[hashkey].empty()) 
        {
            data[hashkey].resize(1000,0); 
        }
         data[hashkey][key/1000]=1;
        //这个赋值操作写在if外部。只做一次哈希值判空!!
    }
    
    void remove(int key) {
        int hashkey=key%1000;  
        if(!data[hashkey].empty())
        {
            data[hashkey][key/1000]=0;
        }
    }
    
    /** Returns true if this set contains the specified element */
    bool contains(int key) {
        return !data[key%1000].empty()&& (data[key%1000][key/1000]==1);
    }
    
    private: vector<vector<int>> data;
};
 
/**
 * Your MyHashSet object will be instantiated and called as such:
 * MyHashSet obj = new MyHashSet();
 * obj.add(key);
 * obj.remove(key);
 * bool param_3 = obj.contains(key);
 */

 


问题

posted @ 2019-02-19 00:31  lightmare  阅读(...)  评论(... 编辑 收藏