Python案例中的哈希表怎么用？

本文目录导读：

1. 案例1：基础增删改查（像操作通讯录）
2. 案例2：统计频率（最经典的应用）
3. 案例3：用哈希表“去重”+“快速查找”
4. 案例4：两数之和（面试高频题）
5. 案例5：用哈希表做“缓存”或“记忆化”
6. 案例6：处理更复杂的数据（哈希表嵌套）
7. 总结：什么时候该用哈希表？

在Python中，哈希表最常见的实现就是字典（dict），你可以把它想象成一个“超级通讯录”——通过名字（键）直接找到电话号码（值）,而不是一页页翻。

下面是几个从简单到实用的案例,看看哈希表在Python中怎么用。

---

案例1：基础增删改查（像操作通讯录）

这是最直接的用法，哈希表（字典）支持O(1)的平均时间复杂度操作。

# 创建一个哈希表（字典）
phone_book = {
    "Alice": "123-456",
    "Bob": "789-012"
}
# 1. 添加/更新（键不存在则添加，存在则更新）
phone_book["Charlie"] = "345-678"
phone_book["Alice"] = "999-999"   # 更新Alice的号码
# 2. 查找（用in判断，直接访问）
if "Bob" in phone_book:
    print(f"Bob的电话是: {phone_book['Bob']}")
# 3. 删除
del phone_book["Charlie"]
# 4. 遍历
for name, number in phone_book.items():
    print(f"{name}: {number}")

为什么用哈希表？

• 查“Alice”的电话，不用遍历整个列表，直接定位——这就是哈希表的核心优势。

---

案例2：统计频率（最经典的应用）

哈希表用来“数东西”特别好用。

# 场景：统计一段文字中每个字符出现的次数
text = "hello world"
char_count = {}  # 空哈希表
for char in text:
    if char in char_count:
        char_count[char] += 1
    else:
        char_count[char] = 1
print(char_count)
# 输出：{'h': 1, 'e': 1, 'l': 3, 'o': 2, ' ': 1, 'w': 1, 'r': 1, 'd': 1}

更Pythonic的写法（用get方法）：

char_count = {}
for char in text:
    char_count[char] = char_count.get(char, 0) + 1

再进阶：用collections.Counter（专业工具）

from collections import Counter
char_count = Counter(text)  # 一行搞定
print(char_count.most_common(2))  # 出现最多的前2个字符

---

案例3：用哈希表“去重”+“快速查找”

哈希表的键是唯一的，天然适合去重；同时查找速度极快。

# 场景：在数组中找出第一个重复出现的数字
def find_first_duplicate(nums):
    seen = {}  # 哈希表：记录数字第一次出现的位置
    for i, num in enumerate(nums):
        if num in seen:
            return num  # 找到了重复
        seen[num] = i
    return None
print(find_first_duplicate([2, 1, 3, 5, 3, 2]))  
# 输出：3（第一个重复的是3，不是2）

---

案例4：两数之和（面试高频题）

这道题特别能体现哈希表“空间换时间”的思想。

# 问题：给定数组 [2, 7, 11, 15] 和目标值 9，找出和为9的两个数的索引
def two_sum(nums, target):
    num_map = {}  # 哈希表：{数字: 索引}
    for i, num in enumerate(nums):
        complement = target - num  # 需要的另一个数
        if complement in num_map:
            # 找到了！返回两个索引
            return [num_map[complement], i]
        num_map[num] = i  # 把当前数存入哈希表
    return []
result = two_sum([2, 7, 11, 15], 9)
print(result)  # 输出：[0, 1]（因为2+7=9）

不哈希表的做法：双重循环O(n²)。
哈希表做法：一次遍历O(n)。

---

案例5：用哈希表做“缓存”或“记忆化”

比如斐波那契数列，用哈希表存已经算过的结果，避免重复计算（就是动态规划里的“备忘录”）。

memo = {}  # 哈希表作缓存
def fib(n):
    if n <= 1:
        return n
    if n not in memo:  # 没算过才去算
        memo[n] = fib(n-1) + fib(n-2)
    return memo[n]
print(fib(50))  # 秒出结果，不缓存会卡死

---

案例6：处理更复杂的数据（哈希表嵌套）

哈希表的值可以是任何东西,包括另一个哈希表或列表。

# 场景：管理一个班级的学生成绩
grades = {
    "张三": {"数学": 95, "语文": 88},
    "李四": {"数学": 78, "语文": 92}
}
# 查询张三的数学成绩
print(grades["张三"]["数学"])  # 95
# 添加李四的英语成绩
grades["李四"]["英语"] = 85
# 遍历
for student, subjects in grades.items():
    print(f"{student}: {subjects}")

---

什么时候该用哈希表？

场景	为什么用
查找元素	O(1)时间，比列表O(n)快很多
统计频率	键值对天然适合计数
去重	键必须唯一
缓存/记忆化	避免重复计算
建立映射关系	用户名→用户信息”

记住一句话：只要你想“通过一个东西快速找到另一个东西”，就用哈希表（字典）。

最后提醒一点：字典的键必须是“可哈希的”——简单说，就是不可变类型（字符串、数字、元组），列表、字典本身不能作为键。