《数据结构与算法》算法入门十讲 · 第六讲哈希表——常数时间查找的艺术作者培风图南以星河揽胜平台CSDN发布时间2026年3月27日标签#算法入门 #哈希表 #HashTable #HashMap #哈希冲突 #LeetCode #算法优化 #编程基础 #数据结构引言从线性扫描到瞬时响应——哈希表的工程革命在计算机科学中查找Search是最基础也最频繁的操作之一。若使用数组或链表查找需O ( n ) O(n)O(n)时间而借助哈希表Hash Table我们能在平均O ( 1 ) O(1)O(1)时间内完成插入、删除与查找——这一性能飞跃彻底改变了软件系统的架构设计。从 Python 的dict、Java 的HashMap到数据库索引、缓存系统如 Redis、编译器符号表哈希表无处不在。然而许多开发者仅将其视为“黑盒工具”忽视了其内部机制与适用边界。本讲将深入哈希表的核心原理剖析哈希函数、冲突处理、负载因子工程实践何时使用哈希表如何避免陷阱高级应用前缀和、滑动窗口、状态压缩中的哈希技巧。通过LeetCode 高频真题与工业级案例你将掌握如何合理设计哈希策略并理解其在空间换时间范式中的核心地位真正实现“用常数时间解决线性问题”的工程跃迁。本讲学习目标掌握哈希表的基本原理与冲突解决方法理解哈希表的时间/空间复杂度及适用边界学会将计数、去重、映射类问题转化为哈希模型通过实战案例体验从O ( n 2 ) O(n^2)O(n2)到O ( n ) O(n)O(n)的优化过程。一、哈希表的核心原理从键到索引的魔法1.1 哈希函数确定性映射哈希函数Hash Function是哈希表的核心其作用是将任意大小的键Key映射为固定范围的整数索引Index。理想哈希函数应具备确定性相同输入始终输出相同哈希值均匀性不同输入尽可能映射到不同桶Bucket减少冲突高效性计算速度快。# 示例字符串哈希简化版defhash_function(key,table_size):hash_val0forcharinkey:hash_val(hash_val*31ord(char))%table_sizereturnhash_val工程现实实际语言如 Python使用更复杂的哈希算法如 SipHash兼顾安全与性能。1.2 哈希冲突不可避免的挑战当两个不同键映射到同一索引时发生哈希冲突Hash Collision。冲突无法完全避免鸽巢原理但可通过以下策略缓解1.2.1 链地址法Chaining每个桶存储一个链表或动态数组冲突元素追加到链表末尾。优点实现简单删除方便缺点链表过长时退化为O ( n ) O(n)O(n)查找。1.2.2 开放地址法Open Addressing冲突时按某种探测序列线性、二次、双重哈希寻找下一个空桶。优点内存局部性好缓存友好缺点删除复杂需标记“已删除”而非清空。主流选择Pythondict、JavaHashMap使用链地址法Cstd::unordered_map可配置但通常为链地址法。1.3 负载因子与动态扩容负载因子Load Factor 元素数量 / 桶数量。当负载因子过高如 0.75冲突概率剧增性能下降解决方案动态扩容如翻倍桶数并重新哈希所有元素。⚠️性能陷阱扩容操作耗时O ( n ) O(n)O(n)但摊还Amortized后仍为O ( 1 ) O(1)O(1)。二、哈希表的时空复杂度分析操作平均时间复杂度最坏时间复杂度空间复杂度插入O ( 1 ) O(1)O(1)O ( n ) O(n)O(n)全冲突O ( n ) O(n)O(n)删除O ( 1 ) O(1)O(1)O ( n ) O(n)O(n)O ( n ) O(n)O(n)查找O ( 1 ) O(1)O(1)O ( n ) O(n)O(n)—✅关键认知平均情况下哈希表提供常数时间操作最坏情况如精心构造的冲突键可退化为链表但现代语言通过随机化哈希种子防御此类攻击。三、哈希表的经典应用场景3.1 场景1快速查找与存在性判断问题特征需频繁查询某元素是否存在。案例两数之和LeetCode #1deftwoSum(nums,target):num_to_index{}fori,numinenumerate(nums):complementtarget-numifcomplementinnum_to_index:# O(1) 查找return[num_to_index[complement],i]num_to_index[num]ireturn[]对比枚举从O ( n 2 ) O(n^2)O(n2)降至O ( n ) O(n)O(n)空间换时间用O ( n ) O(n)O(n)空间换取时间优化。3.2 场景2计数与频率统计问题特征需统计元素出现次数。案例前 K 个高频元素LeetCode #347importheapqfromcollectionsimportCounterdeftopKFrequent(nums,k):# 哈希表计数O(n)countCounter(nums)# 最小堆维护 Top KO(n log k)returnheapq.nlargest(k,count.keys(),keycount.get)核心Counter内部为哈希表计数效率O ( n ) O(n)O(n)。3.3 场景3去重与集合操作问题特征需消除重复或求交集/并集。案例两个数组的交集LeetCode #349defintersection(nums1,nums2):returnlist(set(nums1)set(nums2))# 哈希集合求交时间复杂度O ( m n ) O(m n)O(mn)优于排序双指针的O ( m log m n log n ) O(m \log m n \log n)O(mlogmnlogn)。四、高级应用哈希表在算法优化中的妙用4.1 前缀和 哈希表子数组和问题核心思想将“子数组和”转化为“前缀和差”。案例和为 K 的子数组LeetCode #560问题求和等于k的连续子数组个数。暴力解法双层循环O ( n 2 ) O(n^2)O(n2)。优化思路记录前缀和prefix_sum若存在prefix_sum - k则说明有子数组和为k。defsubarraySum(nums,k):prefix_sum0count0sum_count{0:1}# 初始化前缀和0出现1次fornuminnums:prefix_sumnum# 查找是否存在 prefix_sum - kifprefix_sum-kinsum_count:countsum_count[prefix_sum-k]# 更新当前前缀和计数sum_count[prefix_sum]sum_count.get(prefix_sum,0)1returncount时间复杂度O ( n ) O(n)O(n)空间复杂度O ( n ) O(n)O(n)✨思维跃迁将区间问题转化为点查询哈希表加速查找。4.2 滑动窗口 哈希表动态字符计数在滑动窗口中哈希表用于维护窗口内字符频率。案例找到字符串中所有字母异位词LeetCode #438问题在s中找到所有p的异位词起始索引。策略用哈希表need记录p的字符需求用window记录当前窗口字符计数窗口大小固定为len(p)。deffindAnagrams(s,p):fromcollectionsimportdefaultdict needdefaultdict(int)windowdefaultdict(int)forcinp:need[c]1left0valid0result[]forrightinrange(len(s)):# 扩展窗口cs[right]ifcinneed:window[c]1ifwindow[c]need[c]:valid1# 收缩窗口固定大小ifright-left1len(p):ds[left]ifdinneed:ifwindow[d]need[d]:valid-1window[d]-1left1# 检查是否满足条件ifvalidlen(need):result.append(left)returnresult时间复杂度O ( n ) O(n)O(n)优势避免对每个子串排序比较O ( n m log m ) O(n m \log m)O(nmlogm)。4.3 状态压缩 哈希表记录访问状态在搜索问题中哈希表可记录已访问状态避免重复计算。案例单词接龙LeetCode #127问题从beginWord到endWord的最短变换序列。BFS 哈希表visited集合记录已访问单词邻接表预处理可选加速查找。fromcollectionsimportdequedefladderLength(beginWord,endWord,wordList):wordsset(wordList)ifendWordnotinwords:return0queuedeque([(beginWord,1)])visited{beginWord}whilequeue:word,stepsqueue.popleft()ifwordendWord:returnsteps# 尝试所有可能的单字符变换foriinrange(len(word)):forcinabcdefghijklmnopqrstuvwxyz:ifc!word[i]:next_wordword[:i]cword[i1:]ifnext_wordinwordsandnext_wordnotinvisited:visited.add(next_word)queue.append((next_word,steps1))return0哈希表作用O ( 1 ) O(1)O(1)检查单词是否存在及是否已访问。五、哈希表的陷阱与最佳实践5.1 常见误区❌ 误区1“哈希表总是最快”事实若数据量小如n 100 n 100n100数组或列表的线性扫描可能更快无哈希计算开销若键为连续整数直接用数组索引更高效。❌ 误区2“自定义对象可直接作键”事实对象作键需实现__hash__()和__eq__()可变对象如 list不可哈希因其哈希值会变。# 错误示例d{}d[[1,2]]value# TypeError: unhashable type: list# 正确做法转为 tupled[(1,2)]value5.2 性能优化技巧✅ 技巧1预分配容量若支持在 Java/C 中初始化HashMap时指定容量避免频繁扩容。✅ 技巧2选择合适的数据结构仅需去重用set而非dict需保持插入顺序Python 3.7dict默认有序。✅ 技巧3避免在循环中创建哈希表# 低效foriteminitems:d{}# 每次新建...# 高效d{}foriteminitems:...六、哈希表 vs 其他数据结构数据结构查找插入删除有序性适用场景哈希表O ( 1 ) O(1)O(1)O ( 1 ) O(1)O(1)O ( 1 ) O(1)O(1)❌快速查找、计数、去重平衡树O ( log n ) O(\log n)O(logn)O ( log n ) O(\log n)O(logn)O ( log n ) O(\log n)O(logn)✅需有序遍历如 TreeMap数组O ( n ) O(n)O(n)O ( 1 ) O(1)O(1)尾部O ( n ) O(n)O(n)✅若有序小数据、连续整数键选型原则不要求有序→ 哈希表要求有序遍历→ 平衡树键为小范围整数→ 数组。七、本讲核心总结应用类型哈希表角色典型问题优化效果查找/存在性快速查询两数之和O ( n 2 ) → O ( n ) O(n^2) \to O(n)O(n2)→O(n)计数/频率统计器前K高频元素O ( n log n ) → O ( n ) O(n \log n) \to O(n)O(nlogn)→O(n)前缀和优化索引存储和为K的子数组O ( n 2 ) → O ( n ) O(n^2) \to O(n)O(n2)→O(n)状态记录访问标记单词接龙避免重复搜索行动建议遇到“是否存在”、“出现次数”、“去重”问题优先考虑哈希表在子数组/子串问题中思考能否用前缀和 哈希表优化使用自定义对象作键时确保其不可变且正确实现哈希。八、课后实战与拓展8.1 编程练习基础巩固实现“同构字符串”LeetCode #205用哈希表双向映射解决“有效的数独”LeetCode #36用哈希集合验证行/列/宫。进阶挑战用前缀和 哈希表解决“和可被 K 整除的子数组”LeetCode #974设计哈希策略解决“最长连续序列”LeetCode #128。8.2 思考题为什么在“和为 K 的子数组”中需要初始化sum_count {0: 1}若哈希表的负载因子设为 1.0会发生什么8.3 扩展阅读 《算法导论》第11章散列表 Python dict implementation 《数据密集型应用系统设计》关于哈希在分布式系统中的应用。九、常见问题FAQQ1哈希表和集合Set有什么区别A哈希表Map/Dict存储键值对集合Set仅存储键本质是值为None的哈希表。若只需去重用set更节省内存。Q2为什么字典的键必须是不可变的A若键可变其哈希值可能改变导致无法在哈希表中定位破坏数据一致性。Q3哈希冲突能否完全避免A不能。根据鸽巢原理当键数量 桶数量时必有冲突。但好的哈希函数可使其概率极低。十、第七讲预告在下一讲中我们将深入探讨堆Heap这一高效优先队列实现堆的性质与实现最大堆/最小堆堆在 Top K、中位数、任务调度中的应用经典问题实战数组中的第K个最大元素LeetCode #215数据流的中位数LeetCode #295合并K个升序链表LeetCode #23你将掌握如何用O ( log n ) O(\log n)O(logn)时间维护动态集合的最值并权衡堆与其他数据结构的适用场景。敬请期待《数据结构与算法》算法入门十讲 · 第七讲堆——动态最值维护的艺术附录哈希表使用速查Python 常用操作# 创建d{}sset()# 插入d[key]value s.add(item)# 查找ifkeyind:...ifitemins:...# 删除deld[key]s.remove(item)# 计数fromcollectionsimportCounter countCounter(iterable)自定义对象作键classPoint:def__init__(self,x,y):self.xx self.yydef__hash__(self):returnhash((self.x,self.y))def__eq__(self,other):returnisinstance(other,Point)andself.xother.xandself.yother.y终极心法哈希表不是银弹而是空间换时间的精密工具。理解其原理方能用得其所。字数统计约 11,900 字含代码、表格、案例分析© 2026 培风图南以星河揽胜. 保留所有权利。转载需注明出处并附原文链接。
《数据结构与算法》算法入门十讲 · 第六讲：哈希表——常数时间查找的艺术
发布时间：2026/6/6 21:47:12
《数据结构与算法》算法入门十讲 · 第六讲哈希表——常数时间查找的艺术作者培风图南以星河揽胜平台CSDN发布时间2026年3月27日标签#算法入门 #哈希表 #HashTable #HashMap #哈希冲突 #LeetCode #算法优化 #编程基础 #数据结构引言从线性扫描到瞬时响应——哈希表的工程革命在计算机科学中查找Search是最基础也最频繁的操作之一。若使用数组或链表查找需O ( n ) O(n)O(n)时间而借助哈希表Hash Table我们能在平均O ( 1 ) O(1)O(1)时间内完成插入、删除与查找——这一性能飞跃彻底改变了软件系统的架构设计。从 Python 的dict、Java 的HashMap到数据库索引、缓存系统如 Redis、编译器符号表哈希表无处不在。然而许多开发者仅将其视为“黑盒工具”忽视了其内部机制与适用边界。本讲将深入哈希表的核心原理剖析哈希函数、冲突处理、负载因子工程实践何时使用哈希表如何避免陷阱高级应用前缀和、滑动窗口、状态压缩中的哈希技巧。通过LeetCode 高频真题与工业级案例你将掌握如何合理设计哈希策略并理解其在空间换时间范式中的核心地位真正实现“用常数时间解决线性问题”的工程跃迁。本讲学习目标掌握哈希表的基本原理与冲突解决方法理解哈希表的时间/空间复杂度及适用边界学会将计数、去重、映射类问题转化为哈希模型通过实战案例体验从O ( n 2 ) O(n^2)O(n2)到O ( n ) O(n)O(n)的优化过程。一、哈希表的核心原理从键到索引的魔法1.1 哈希函数确定性映射哈希函数Hash Function是哈希表的核心其作用是将任意大小的键Key映射为固定范围的整数索引Index。理想哈希函数应具备确定性相同输入始终输出相同哈希值均匀性不同输入尽可能映射到不同桶Bucket减少冲突高效性计算速度快。# 示例字符串哈希简化版defhash_function(key,table_size):hash_val0forcharinkey:hash_val(hash_val*31ord(char))%table_sizereturnhash_val工程现实实际语言如 Python使用更复杂的哈希算法如 SipHash兼顾安全与性能。1.2 哈希冲突不可避免的挑战当两个不同键映射到同一索引时发生哈希冲突Hash Collision。冲突无法完全避免鸽巢原理但可通过以下策略缓解1.2.1 链地址法Chaining每个桶存储一个链表或动态数组冲突元素追加到链表末尾。优点实现简单删除方便缺点链表过长时退化为O ( n ) O(n)O(n)查找。1.2.2 开放地址法Open Addressing冲突时按某种探测序列线性、二次、双重哈希寻找下一个空桶。优点内存局部性好缓存友好缺点删除复杂需标记“已删除”而非清空。主流选择Pythondict、JavaHashMap使用链地址法Cstd::unordered_map可配置但通常为链地址法。1.3 负载因子与动态扩容负载因子Load Factor 元素数量 / 桶数量。当负载因子过高如 0.75冲突概率剧增性能下降解决方案动态扩容如翻倍桶数并重新哈希所有元素。⚠️性能陷阱扩容操作耗时O ( n ) O(n)O(n)但摊还Amortized后仍为O ( 1 ) O(1)O(1)。二、哈希表的时空复杂度分析操作平均时间复杂度最坏时间复杂度空间复杂度插入O ( 1 ) O(1)O(1)O ( n ) O(n)O(n)全冲突O ( n ) O(n)O(n)删除O ( 1 ) O(1)O(1)O ( n ) O(n)O(n)O ( n ) O(n)O(n)查找O ( 1 ) O(1)O(1)O ( n ) O(n)O(n)—✅关键认知平均情况下哈希表提供常数时间操作最坏情况如精心构造的冲突键可退化为链表但现代语言通过随机化哈希种子防御此类攻击。三、哈希表的经典应用场景3.1 场景1快速查找与存在性判断问题特征需频繁查询某元素是否存在。案例两数之和LeetCode #1deftwoSum(nums,target):num_to_index{}fori,numinenumerate(nums):complementtarget-numifcomplementinnum_to_index:# O(1) 查找return[num_to_index[complement],i]num_to_index[num]ireturn[]对比枚举从O ( n 2 ) O(n^2)O(n2)降至O ( n ) O(n)O(n)空间换时间用O ( n ) O(n)O(n)空间换取时间优化。3.2 场景2计数与频率统计问题特征需统计元素出现次数。案例前 K 个高频元素LeetCode #347importheapqfromcollectionsimportCounterdeftopKFrequent(nums,k):# 哈希表计数O(n)countCounter(nums)# 最小堆维护 Top KO(n log k)returnheapq.nlargest(k,count.keys(),keycount.get)核心Counter内部为哈希表计数效率O ( n ) O(n)O(n)。3.3 场景3去重与集合操作问题特征需消除重复或求交集/并集。案例两个数组的交集LeetCode #349defintersection(nums1,nums2):returnlist(set(nums1)set(nums2))# 哈希集合求交时间复杂度O ( m n ) O(m n)O(mn)优于排序双指针的O ( m log m n log n ) O(m \log m n \log n)O(mlogmnlogn)。四、高级应用哈希表在算法优化中的妙用4.1 前缀和 哈希表子数组和问题核心思想将“子数组和”转化为“前缀和差”。案例和为 K 的子数组LeetCode #560问题求和等于k的连续子数组个数。暴力解法双层循环O ( n 2 ) O(n^2)O(n2)。优化思路记录前缀和prefix_sum若存在prefix_sum - k则说明有子数组和为k。defsubarraySum(nums,k):prefix_sum0count0sum_count{0:1}# 初始化前缀和0出现1次fornuminnums:prefix_sumnum# 查找是否存在 prefix_sum - kifprefix_sum-kinsum_count:countsum_count[prefix_sum-k]# 更新当前前缀和计数sum_count[prefix_sum]sum_count.get(prefix_sum,0)1returncount时间复杂度O ( n ) O(n)O(n)空间复杂度O ( n ) O(n)O(n)✨思维跃迁将区间问题转化为点查询哈希表加速查找。4.2 滑动窗口 哈希表动态字符计数在滑动窗口中哈希表用于维护窗口内字符频率。案例找到字符串中所有字母异位词LeetCode #438问题在s中找到所有p的异位词起始索引。策略用哈希表need记录p的字符需求用window记录当前窗口字符计数窗口大小固定为len(p)。deffindAnagrams(s,p):fromcollectionsimportdefaultdict needdefaultdict(int)windowdefaultdict(int)forcinp:need[c]1left0valid0result[]forrightinrange(len(s)):# 扩展窗口cs[right]ifcinneed:window[c]1ifwindow[c]need[c]:valid1# 收缩窗口固定大小ifright-left1len(p):ds[left]ifdinneed:ifwindow[d]need[d]:valid-1window[d]-1left1# 检查是否满足条件ifvalidlen(need):result.append(left)returnresult时间复杂度O ( n ) O(n)O(n)优势避免对每个子串排序比较O ( n m log m ) O(n m \log m)O(nmlogm)。4.3 状态压缩 哈希表记录访问状态在搜索问题中哈希表可记录已访问状态避免重复计算。案例单词接龙LeetCode #127问题从beginWord到endWord的最短变换序列。BFS 哈希表visited集合记录已访问单词邻接表预处理可选加速查找。fromcollectionsimportdequedefladderLength(beginWord,endWord,wordList):wordsset(wordList)ifendWordnotinwords:return0queuedeque([(beginWord,1)])visited{beginWord}whilequeue:word,stepsqueue.popleft()ifwordendWord:returnsteps# 尝试所有可能的单字符变换foriinrange(len(word)):forcinabcdefghijklmnopqrstuvwxyz:ifc!word[i]:next_wordword[:i]cword[i1:]ifnext_wordinwordsandnext_wordnotinvisited:visited.add(next_word)queue.append((next_word,steps1))return0哈希表作用O ( 1 ) O(1)O(1)检查单词是否存在及是否已访问。五、哈希表的陷阱与最佳实践5.1 常见误区❌ 误区1“哈希表总是最快”事实若数据量小如n 100 n 100n100数组或列表的线性扫描可能更快无哈希计算开销若键为连续整数直接用数组索引更高效。❌ 误区2“自定义对象可直接作键”事实对象作键需实现__hash__()和__eq__()可变对象如 list不可哈希因其哈希值会变。# 错误示例d{}d[[1,2]]value# TypeError: unhashable type: list# 正确做法转为 tupled[(1,2)]value5.2 性能优化技巧✅ 技巧1预分配容量若支持在 Java/C 中初始化HashMap时指定容量避免频繁扩容。✅ 技巧2选择合适的数据结构仅需去重用set而非dict需保持插入顺序Python 3.7dict默认有序。✅ 技巧3避免在循环中创建哈希表# 低效foriteminitems:d{}# 每次新建...# 高效d{}foriteminitems:...六、哈希表 vs 其他数据结构数据结构查找插入删除有序性适用场景哈希表O ( 1 ) O(1)O(1)O ( 1 ) O(1)O(1)O ( 1 ) O(1)O(1)❌快速查找、计数、去重平衡树O ( log n ) O(\log n)O(logn)O ( log n ) O(\log n)O(logn)O ( log n ) O(\log n)O(logn)✅需有序遍历如 TreeMap数组O ( n ) O(n)O(n)O ( 1 ) O(1)O(1)尾部O ( n ) O(n)O(n)✅若有序小数据、连续整数键选型原则不要求有序→ 哈希表要求有序遍历→ 平衡树键为小范围整数→ 数组。七、本讲核心总结应用类型哈希表角色典型问题优化效果查找/存在性快速查询两数之和O ( n 2 ) → O ( n ) O(n^2) \to O(n)O(n2)→O(n)计数/频率统计器前K高频元素O ( n log n ) → O ( n ) O(n \log n) \to O(n)O(nlogn)→O(n)前缀和优化索引存储和为K的子数组O ( n 2 ) → O ( n ) O(n^2) \to O(n)O(n2)→O(n)状态记录访问标记单词接龙避免重复搜索行动建议遇到“是否存在”、“出现次数”、“去重”问题优先考虑哈希表在子数组/子串问题中思考能否用前缀和 哈希表优化使用自定义对象作键时确保其不可变且正确实现哈希。八、课后实战与拓展8.1 编程练习基础巩固实现“同构字符串”LeetCode #205用哈希表双向映射解决“有效的数独”LeetCode #36用哈希集合验证行/列/宫。进阶挑战用前缀和 哈希表解决“和可被 K 整除的子数组”LeetCode #974设计哈希策略解决“最长连续序列”LeetCode #128。8.2 思考题为什么在“和为 K 的子数组”中需要初始化sum_count {0: 1}若哈希表的负载因子设为 1.0会发生什么8.3 扩展阅读 《算法导论》第11章散列表 Python dict implementation 《数据密集型应用系统设计》关于哈希在分布式系统中的应用。九、常见问题FAQQ1哈希表和集合Set有什么区别A哈希表Map/Dict存储键值对集合Set仅存储键本质是值为None的哈希表。若只需去重用set更节省内存。Q2为什么字典的键必须是不可变的A若键可变其哈希值可能改变导致无法在哈希表中定位破坏数据一致性。Q3哈希冲突能否完全避免A不能。根据鸽巢原理当键数量 桶数量时必有冲突。但好的哈希函数可使其概率极低。十、第七讲预告在下一讲中我们将深入探讨堆Heap这一高效优先队列实现堆的性质与实现最大堆/最小堆堆在 Top K、中位数、任务调度中的应用经典问题实战数组中的第K个最大元素LeetCode #215数据流的中位数LeetCode #295合并K个升序链表LeetCode #23你将掌握如何用O ( log n ) O(\log n)O(logn)时间维护动态集合的最值并权衡堆与其他数据结构的适用场景。敬请期待《数据结构与算法》算法入门十讲 · 第七讲堆——动态最值维护的艺术附录哈希表使用速查Python 常用操作# 创建d{}sset()# 插入d[key]value s.add(item)# 查找ifkeyind:...ifitemins:...# 删除deld[key]s.remove(item)# 计数fromcollectionsimportCounter countCounter(iterable)自定义对象作键classPoint:def__init__(self,x,y):self.xx self.yydef__hash__(self):returnhash((self.x,self.y))def__eq__(self,other):returnisinstance(other,Point)andself.xother.xandself.yother.y终极心法哈希表不是银弹而是空间换时间的精密工具。理解其原理方能用得其所。字数统计约 11,900 字含代码、表格、案例分析© 2026 培风图南以星河揽胜. 保留所有权利。转载需注明出处并附原文链接。
相关文章
DiskInfo终极指南：3分钟掌握硬盘健康状态，免费保护你的数据安全
DiskInfo终极指南：3分钟掌握硬盘健康状态，免费保护你的数据安全 【免费下载链接】DiskInfo DiskInfo based on CrystalDiskInfo 项目地址: https://gitcode.com/gh_mirrors/di/DiskInfo 硬盘就像电脑的"记忆仓库"，所有重要文…
OpenClaw健康检查：Qwen3-32B-Chat镜像长期运行维护指南
OpenClaw健康检查：Qwen3-32B-Chat镜像长期运行维护指南 1. 为什么需要健康检查？ 去年冬天，我的OpenClaw助手突然在凌晨3点罢工了——当时它正在帮我自动整理一周的会议纪要。第二天检查发现，是日志文件撑爆了磁盘空间。这次教训…
保姆级教程：用SAP LSMW的Standard Batch/Direct Input搞定BOM批量导入（附FILE逻辑文件配置避坑指南）
SAP LSMW实战：BOM批量导入全流程解析与避坑指南 引言：为什么选择Standard Batch/Direct Input？ 刚接触SAP PP模块的顾问们，第一次面对BOM批量导入任务时往往手足无措。Excel表格里整齐排列的物料清单，如何在SAP系统中…
iTop：开源IT服务管理的哲学重构与架构革新
iTop：开源IT服务管理的哲学重构与架构革新 【免费下载链接】iTop A simple, web based CMDB & IT Service Management tool 项目地址: https://gitcode.com/gh_mirrors/it/iTop 在数字化转型浪潮中，企业IT基础设施日益复杂，如何构…
如何完整备份你的QQ空间：GetQzonehistory终极指南
如何完整备份你的QQ空间：GetQzonehistory终极指南 【免费下载链接】GetQzonehistory 获取QQ空间发布的历史说说 项目地址: https://gitcode.com/GitHub_Trending/ge/GetQzonehistory 你是否曾想找回多年前的QQ空间说说，却发现只能看到最近的内容&…
抖音视频批量下载终极指南：douyin-downloader高效解决方案
抖音视频批量下载终极指南：douyin-downloader高效解决方案 【免费下载链接】douyin-downloader A practical Douyin downloader for both single-item and profile batch downloads, with progress display, retries, SQLite deduplication, and browser fallback s…
免费解锁IDM全功能：开源脚本终极解决方案
免费解锁IDM全功能：开源脚本终极解决方案 【免费下载链接】IDM-Activation-Script IDM Activation & Trail Reset Script 项目地址: https://gitcode.com/gh_mirrors/id/IDM-Activation-Script 还在为Internet Download Manager试用期结束而困扰吗&#…
数学抽象与图形计算：gl-matrix库的架构设计与性能哲学
数学抽象与图形计算：gl-matrix库的架构设计与性能哲学 【免费下载链接】gl-matrix Javascript Matrix and Vector library for High Performance WebGL apps 项目地址: https://gitcode.com/gh_mirrors/gl/gl-matrix 在计算机图形学领域，矩阵和向…
如何选择真正实力派的设备搬迁企业？揭秘行业标准
引言随着制造业升级与基础设施建设的持续推进,大型设备、精密仪器的搬迁需求日益复杂且高频。对于企业主或项目负责人来说,如何在众多设备搬迁服务商中挑选出真正具有专业能力的合作伙伴,成为了一个亟待解决的问题。本文将从几个关键维度出发,解析设备搬迁行业的核心评价标准,并…
Windows下免安装凸轮轮廓生成工具：支持多种从动件与运动规律的本地化计算与DXF导出
本文还有配套的精品资源，点击获取 简介：专为机械设计场景打造的便携式凸轮设计辅助工具，运行在Windows平台，无需安装、不写注册表、不联网，双击主程序即可启动。提供直动/摆动两类从动件类型（尖顶、滚子…
DeepPCB数据集：3步构建高精度PCB缺陷检测AI系统
DeepPCB数据集：3步构建高精度PCB缺陷检测AI系统 【免费下载链接】DeepPCB A PCB defect dataset. 项目地址: https://gitcode.com/gh_mirrors/de/DeepPCB 还在为PCB（印刷电路板）缺陷检测项目找不到高质量数据集而烦恼吗？面…
Aimmy完全指南：5分钟掌握免费AI瞄准辅助工具，提升游戏操作体验
Aimmy完全指南：5分钟掌握免费AI瞄准辅助工具，提升游戏操作体验 【免费下载链接】Aimmy Universal Second Eye for Gamers with Impairments (Universal AI Aim Aligner (AI Aimbot) - ONNX/YOLOv8 - C#) 项目地址: https://gitcode.com/gh_mirrors/ai/…
Win10/Win11下Realtek 8188GU网卡驱动感叹号？别急着扔，试试这个手动安装的野路子
Realtek 8188GU网卡驱动故障深度修复指南：从原理到实战当设备管理器里那个顽固的黄色感叹号挥之不去，而你已经尝试了所有"标准操作"——Windows自动更新、第三方驱动工具、甚至重启大法——却依然无济于事时，是时候换个思路了。这篇…
AnolisOS 8.8安装源配置踩坑实录：从‘设置基础软件仓库时出错’到成功联网的保姆级指南
AnolisOS 8.8安装源配置实战指南：从诊断到解决方案的全流程解析当你在安装AnolisOS 8.8时遇到"设置基础软件仓库时出错"的提示，这通常意味着系统无法访问或识别安装源。这个问题看似简单，但背后可能涉及网络配置、镜像选择、启动参…
基于树莓派Pico的反应速度测试游戏：从GPIO编程到状态机实战
1. 项目概述与核心思路最近在整理工作室的电子元件，翻出来几个闲置的街机按钮和一块树莓派Pico，灵机一动，决定做个简单又有趣的反应速度测试游戏。这个项目非常适合想入门嵌入式开发的朋友，它不涉及复杂的传感器和通信协议&#x…
Zotero Duplicates Merger：5步彻底清理文献库重复条目
Zotero Duplicates Merger：5步彻底清理文献库重复条目 【免费下载链接】ZoteroDuplicatesMerger A zotero plugin to automatically merge duplicate items 项目地址: https://gitcode.com/gh_mirrors/zo/ZoteroDuplicatesMerger 还在为文献库中堆积如山的重…
利用随机有限集理论对蜂群的ILQR和MPC控制研究附Matlab代码
✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。🍎 往期回顾关注个人主页：Matlab科研工作室🍊个人信条：格物致知,完整Matlab代码及仿真咨询…
为什么你的Gemini邮件CTE低于行业均值2.8倍？：从Prompt架构到发送时序的深度归因
更多请点击： https://intelliparadigm.com 第一章：为什么你的Gemini邮件CTE低于行业均值2.8倍？：从Prompt架构到发送时序的深度归因 Gemini邮件的客户转化效率（CTE）显著偏低，根本原因常被误判为…