1、列表
（1）内部机制：实现、冲突和散列函数
2、散列函数
（1）散列函数总是将相同的输入映射到相同的索引；将不同的输入映射到不同的索引。
（2）散列函数的数组长度是已知的，只返回有效的索引。
3、散列表（hash table）
（1）定义：结合散列函数和数组创建的一种数据结构，也称为散列映射、映射、字典、关联数组和字典。
（2）区别：数组和链表都被直接映射到内存，散列表是使用散列函数来确认元素的存储位置。
（3）组成：键、值，将键映射到值。【散列表很适用于模拟映射关系】
（4）散列表的查找、插入和删除速度很快；散列表是无序的，键值对的添加顺序无关紧要。
（5）平均情况下，散列表的各种操作时间为O(1)，O(1)被称为常量时间，意味着不管散列表多大，所需的时间都是相同的。
最糟糕的情况，散列表所有操作的运行时间都为O(n)——线性时间。
因此，在平均情况下，散列表的查找（获取给定索引处的值）速度和数组是一样的，二插入和删除速度和链表是一样的，兼具了两者的优点。但在最糟糕的情况下，散列表的各种操作速度都是很慢的，故而需要避开最糟糕情况，需要避开冲突。
3、应用案例
（1）DNS解析（DNS resolution）：网址硬是IP地址
（2）DEMO
# 创建一个字典，用大括号
dict={}
# 添加一些数据
dict["Ann"]=16
# 查找一些数据，get函数返回获取到的数据或者None
value=dict["Tom"]（3）例子1
# 检查用户是否投过票
voted={}
def check_voter(name):
if voted.get(name):
print("Kick them out!")
else:
voted[name]=True
print("Let them vote")
check_voter("Tom")
check_voter("Milk")
check_voter("Milk")（4）例子2
# Fackbook网址访问
cache={}
def get_page(url):
if cache.get(url):
# 返回缓冲的数据
return cache[url]
else:
data=get_data_from_server(url)
# 先将数据保存到缓存中
cache[url]=data
return data（5）适用于：①模拟映射关系；②防止重复；③缓存/记住数据，以免服务器在通过处理来生成它们
4、冲突（collision）
（1）定义：给两个键分配相同位置
（2）解决方法：如果两个键映射到同一个位置，就在这个位置存储一个链表。
（3）散列表存储的链表很长，起散列表速度将下降。因此，使用散列函数很重要，使得链表不会很长，进而最大限度地减少冲突。
（4）避免冲突需要条件：①较低的填装因子；②良好的散列函数。
<1>填装因子=散列表包含的元素数/位置总数
=>填装因子度量的是散列表中多少位置是空的，填装因子大于1意味着超过数组的位置数，此时则需要调整长度（resizing），增加散列表的位置。
=>一旦填装因子大于0.7，就调整散列表的长度。平均而言，考虑到调整长度所需的时间，但列表操作所需的时间为O(1)。
=>填装因袭越低，发生冲突的可能性越小，散列表的性能越高。
<2>良好的散列函数：让数组中的值呈现均匀分布。【可研究于SHA函数，最后一章做简要介绍】
5.1 一致
5.2 不一致
5.3 不一致
5.4 一致
5.5 散列函数C和D可实现均匀分布
5.6 散列函数B和D可实现均匀分布
5.7 散列函数C和D可实现均匀分布
# B:会有重复的
print(len("Fun Home")) # 8
print(len("Watchmen")) # 8
