字典的链表与数组答案

【问题标题】：linked list vs arrays for dictionaries字典的链表与数组
【发布时间】：2014-10-14 23:00:44
【问题描述】：

我最近在一次采访中被问及advantages and disadvantages of linked list and arrays for dictionary of words implementation 和what is the best data structure for implementing it? 这是我搞砸的地方。谷歌搜索后，我无法明确找到特定于字典的确切答案，而是一般的链表 v 数组解释。 上述问题的最佳答案是什么？

【问题讨论】：

标签： javascript algorithm dictionary data-structures analysis

【解决方案1】：

没有一个答案。

如果您只想查找单个项目，则两个明显的选择是基于哈希表，或者如果您想查找项目范围，则基于平衡树。

如果您进行大量搜索并进行相对较少的插入或删除，则排序数组可以很好地工作。找到首选链表的情况相当困难。根据具体情况（尤其是查找所有以“ste”开头的单词之类的事情），尝试也可以非常好地工作（并且通常在最小化给定数据集所需的存储方面也做得很好）。

不过，这些都是非常广泛的类别，而不是具体的实现。还有一些变体，例如可扩展哈希和分布式哈希表，它们在特定情况下可能很有用（并且还具有一些类似树的属性，因此基于范围的搜索之类的东西可能相当有效）。

【讨论】：

【解决方案2】：

如果您只是将它用于查找，那么数组显然是两者中的最佳选择。您可以从 O(n log n) 中的单词列表构建字典——只需构建一个数组并对其进行排序。查找是 O(log n) 的二进制搜索。

虽然您可以在 O(n) 中构建一个单词的链表，但平均而言，查找需要您查看 n/2 个单词。差别相当大。给定一个 128K 单词的英语词典，链表查找平均需要 64,000 次字符串比较。二分搜索最多需要 17 个。

另外，n个单词的链表会比n个单词的数组占用更多的内存，因为链表中需要next指针。

如果您需要更新字典的能力，如果与查找相比更新不频繁（几乎可以肯定是这种情况），您可能仍希望使用数组。我想不出一个真实世界的例子，即更新频率高于查询频率的单词词典。

正如其他人所指出的，数组和链表都不是字典的最佳选择。但是在您给出的两个选项中，数组几乎在所有情况下都更胜一筹。

【讨论】：

【解决方案3】：

实现字典的最佳数据结构是suffix trees。你也可以看看tries。

【讨论】：

【解决方案4】：

好吧，如果您要构建字典，您会希望它是一个排序结构。所以你要使用排序数组或排序链表。

对于链表检索是O(n)，因为您必须检查所有单词，直到找到您需要的单词。对于已排序的数组，您可以使用二进制搜索找到正确的位置，即O(log n)。
对于已排序的数组，insertion 是 O(log n) 以找到正确的位置（二进制搜索），然后是 O(n) 以插入，因为您需要将所有内容向下推。对于链表，查找位置是O(n)，然后插入是O(1)，因为您只需要调整指针。删除也是如此。

由于您不会过多地更新字典，您可以在O(nlog n) 时间构建并排序数组（例如使用快速排序）。之后，使用二分搜索查找O(log n)。此外，正如下面提到的delnan，使用数组的优点是您访问的所有内容在内存中都是顺序的；即，数据是本地化的（参考位置）。这最大限度地减少了缓存未命中（这是昂贵的）。使用链表，数据分散在各处，无法保证它们紧密相连，这增加了缓存未命中的机会。考虑到这一点，考虑到这两个选项，请使用 array。

如果您使用红黑树实现排序的哈希图（您的树条目，即键可以与哈希图耦合），您可以做得更好；这里搜索、插入和删除是O(log n)。但这实际上取决于您的行为特征；如果您只进行查找，最好使用简单的哈希图（O(1) 检索）。

您可以使用的另一个有趣的数据结构是Trie，其中插入和查找是O(m)； m 是字符串的长度。

【讨论】：

您的这一点For an array, insertion is O(n) to find the right location and then O(n) to insert because you need to push everything down. For a linked list, it would be O(n) to find the location and then O(n) to insert because you only have to adjust pointers. 有点令人困惑。 O(n) 用于链表和数组查找正确的位置和插入？两者都有 O(n)？能详细点吗？
@26ph19 抱歉，打错了！应该是O(1)；编辑。
我真的不明白你怎么能断定链表比数组更好，至少从你提供的事实来看。渐近复杂度完全相同。找到要插入的位置后的实际列表操作是 O(1) 并不重要，因为插入是 O(n)数组胜出。
@delnan 我实际上对那部分有点不确定。你能解释一下常数因素是如何胜出的吗？假设你总是在列表的中间插入一些东西，你会得到O(n/2) + O(1)，而对于一个数组，它会变成O(n) + O(n)。请让我知道我是如何搞砸的，以便我更正答案！
你给出的渐近界是正确的（实际上数组在相同的假设下应该是O(n/2) + O(n)），并且链表的常数因子包括1/2和数组的常数因子包括2个左右。但除此之外，还有许多其他不变的因素。原则上，链表通常会导致大量缓存未命中，而数组（按顺序遍历）会命中缓存。理论和实证实验都一次又一次地表明，即使对于相当大的数据集，数组也会胜出。