本文目录导读：
- 案例1：基础增删改查（像操作通讯录）
- 案例2：统计频率（最经典的应用）
- 案例3：用哈希表“去重”+“快速查找”
- 案例4：两数之和（面试高频题）
- 案例5：用哈希表做“缓存”或“记忆化”
- 案例6：处理更复杂的数据（哈希表嵌套）
- 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。
