哈希表与树的入门
哈希表：
特点：
数组(顺序表)：寻址容易
链表：插入与删除容易
哈希表：寻址容易，插入删除也容易的数据结构，也就是综合了上述两种数据结构的优点于一身。
Hash table：
定义：
哈希表（Hash table，也叫散列表）
是根据关键码值(Key value)而直接进行访问的数据结构，它通过把关键码值映射到表中一个位置来访问记录，以加快查找的速度。
关键码值(Key value)也可以当成是key的hash值，这个映射函数叫做散列函数，是需要我们自己来设计的。
存放记录的数组叫做散列表。
例子：
上面的定义有点抽象，下面用一个例子来对它进行说明，比如有如下数据：
Key : {14, 19, 5, 7, 21, 1, 13, 0, 18}
散列表: 大小为13 的数组 a[13];
散列函数: f(x) = x mod 13;
所以根据散列函数我们可以算出每个Key对应的数组的位置，如下：
image.png
第一个值算出来它的key位置为1，所以：
则就将14存放在位置为1的散列表处，以此类推，再放第二个、第三个、第四个、第五个，如下：
对应散列表的分布为：
好，到了一个关键的值了：
此时就属于hash冲突了，那如何解决hash冲突则需要我们自己来制定规则，假如我们这样来定制冲突解决办法为：将hash+1，如果还是冲突则再+1，以此类推，所以此时的存放就为：
接下来再看一个更加极端的：
此时hash为5已经冲突了，所以hash+1=6：
此时还是冲突了，继续hash+1=7，发现也冲突了，再hash+1=8，还是冲突，那就再hash+1=9，嗯，此时终于不冲突了则直接存放到这个位置：
另外为了避免hash碰撞，需要引入装填因子这个概念，为什么需要这个值？因为数据越接近数组最大值，可能产生冲突的情况就越多，啥叫装填因子呢？比如说我们定义0.8的装填因子，还是拿上面的13个散列表的情况来说，当填到第9个位置时因为到达这个80%的空间了，所以接下来会给这个散列表进行扩容，具体扩大多少自己可以定义，如下：
另外HashMap的装填因子是：0.75 阈值：8
HashMap中初始化大小为什么是16？ 为什么链表的长度为8是变成红黑树？为什么为6时又变成链表?
https://blog.csdn.net/qq_27409289/article/details/92759730
缺点：
虽说它是综合了数组和链表的优点，但是它扩容需要消费大量的空间和性能，因为散列函数也需要发生变化：
image.png
散列函数一变，则存放到散列表中的下标都得重新进行计算，所以性能会大大受到影响。
应用：
电话号码，字典，点歌系统，QQ，微信的好友等，都有一个上限，就是为了避免散列表扩容导致性能有影响。
JDK中HashMap的散列表应用：
对于jdk1.8以前的HashMap是采用这种结构：
image.png
它是采用数组+链表来进行存放的，就不像之前我们解决Hash冲突时简单的去让hash+1了。我们来看一下通过这种结构想要查387这个数字其速度有多好，首先f(387)=3，则直接在3的位置来找到它的链表，然后第一个就找到了。
但是到了JDK1.8时，由于处于大数据的时代了，所以此时的HashMap的结构也发生了变化了，比如有1000万的数据，这样很可机率会出现某一个散列表位置的链表有几十万的数据，比如：
image.png
所以JDK1.8开始HashMap中当链表长度超过阈值，就转换成红黑树：
image.png
这里先有个概念，之外会专门去学红黑树的，反正就是数据量越大其查询的速度会变成级数级增长，效率是非常之高的。
关于HashMap的源码解读由于目前看还为时尚早，咱们先来贴一下它的resize()方法感受一下其难度：
image.png
，很明显目前基础还没打牢，所以这里只先对Hash表做一个入门，在未来会将HashMap的源码实现给看透滴。
树：
什么树？
image.png
其中提到了“互不相交”，啥意思？下面看一下各种树：
image.png
其中第一张图和最后一张图都有相交的情况，所以它就不属于树了，其它的都是属于树。
image.png
image.png
其实这俩是图的数据结构了，而非树。
树的概念【了解】：
节点与树的度：
结点拥有的子树数称为结点的度。
度为0的结点称为叶子结点或终端结点，度不为0的结点称为非终端结点或分支结点。
除根结点以外，分支结点也称为内部结点。
树的度是树内各结点的度的最大值。
用图来表示下：
image.png
层次和深度：
image.png
image.png
森林：
image.png
树的存储结构：
双亲表示法【在未来启发示寻路算法会用到它】：
image.png
孩子表示法【二叉树典型的表示法】：
image.png
前面第一张比较浪费空间，而第二张则是优化版本。
双亲孩子表示法【用得少，了解】：
image.png
把每个结点的孩子结点排列起来，以单链表作为存储结构，
则n个结点有n个孩子链表，如果是叶子结点则此单链表为空，
然后n个头指针又组成一个线性表，采用顺序存储结构，存放在一个一维数组中
孩子兄弟表示法【用得少，了解】：
image.png
孩子兄弟表示法为每个节点设计三个域：
一个数据域，一个该节点的第一个孩子节点域，一个该节点的下一个节点的兄弟指针域
二叉树：
概念：
image.png
image.png
斜树：
image.png
满二叉树：
一个二叉树，如果每一个层的结点数都达到最大值，则这个二叉树就是满二叉树。也就是说，如果一个二叉树的层数为K，且结点总数是(2^k) -1 ，则它就是满二叉树。
image.png
完全二叉树：
若设二叉树的深度为k，除第k层外，其他各层（1～（k-1）层）的节点数都达到最大值，且第k层所有的节点都连续集中在最左边，这样的树就是完全二叉树。如下图：
image.png
那判定一下下面三个树哪些是完全二叉树：
image.png
其实简单判断的办法就是看编号是否是连续的，由于树1缺了10之后，编号就不连续了，同样的树2少了6、7也不连续了，同样的树3也是少了10，11也不连续了，所以都不是完全二叉树了。
二叉树的存储结构：
顺序存储【用得少】：
image.png
链式存储【用得多】：
image.png
其实它表示的树的形态就为：
image.png
下面咱们用代码来构建一下二叉树，为下面的遍历做准备：
先定义树的结构体：
image.png
然后定义一个根结点：
image.png
接下来咱们来生成这样一棵树：
image.png
所以在里面定义一个生成树的方法：
image.png
接下来咱们来调用生成树，可以如下：
image.png
那只调用了，木有输出呀，此时就需要往下看它的遍历方法了。
二叉树的遍历：
前序(DLR)：
规则是若二叉树为空，则空操作返回，否则先访问跟结点，然后前序遍历左子树，再前序遍历右子树。
image.png
利用递归很容易实现，如下：
/**
- 前序访问树的所有节点 Arrays.sort();
*/
public void preOrderTraverse(Node root){
if(root==null){
return;
}
System.out.println("pre:"+root.data);
preOrderTraverse(root.leftChild);
preOrderTraverse(root.rightChild);
}
调用一下：
image.png
中序(LDR)：
规则是若树为空，则空操作返回，否则从根结点开始（注意并不是先访问根结点），
中序遍历根结点的左子树，然后是访问根结点，最后中序遍历右子树。
image.png
咱们用代码来写一下：
/**
- 中序访问树的所有节点
*/
public void midOrderTraverse(Node root){//逻辑
if(root==null){
return;
}
midOrderTraverse(root.leftChild);//逻辑
System.out.println("mid:"+root.data);//输出
midOrderTraverse(root.rightChild);//逻辑
}
调用一下：
image.png
汉诺塔的小算法，其中提到了它其实就是二叉树的中序遍历，回忆一下：
image.png
后序(LRD):
规则是若树为空，则空操作返回，否则从左到右先叶子后结点的方式遍历访问左右子树，最后是访问根结点。
image.png
依葫芦画瓢：
/**
- 后序访问树的所有节点
*/
public void postOrderTraverse(Node root){
if(root==null){
return;
}
postOrderTraverse(root.leftChild);
postOrderTraverse(root.rightChild);
System.out.println("post:"+root.data);
}
<embed style="cursor:pointer;" type="application/octet-stream" src="26D21C78-1D03-4437-992E-8703B2D52533.java">
<embed style="cursor:pointer;" type="application/octet-stream" src="0835F8C7-391C-4131-9BF2-66C5C3AAB788.java">
<embed style="cursor:pointer;" type="application/octet-stream" src="A0805B43-173F-4354-8423-D6628CB04A4F.mmap">
