哈希算法与双指针实战：提升算法效率的关键技巧

1. 哈希算法实战精解

哈希表作为算法领域的瑞士军刀，其O(1)时间复杂度的查询特性使其成为解决各类问题的利器。在实际工程和算法面试中，合理运用哈希可以大幅提升程序效率。下面我们通过典型例题深入剖析哈希的应用技巧。

1.1 两数之和的两种解法对比

给定整数数组nums和目标值target，找出和为target的两个数的索引。这个看似简单的问题却蕴含着算法优化的经典思路。

1.1.1 暴力枚举法

python复制class Solution:
    def twoSum(self, nums: List[int], target: int) -> List[int]:
        for i in range(len(nums)):
            for j in range(i+1, len(nums)):
                if nums[i] + nums[j] == target:
                    return [i, j]

暴力解法通过双重循环检查所有可能的数对组合：

• 时间复杂度：O(n²) —— 对于n个元素，需要检查n(n-1)/2种组合
• 空间复杂度：O(1) —— 仅使用常数空间

实际工程中，当n>10⁴时这种解法就会明显变慢。我在处理大规模数据时曾因使用暴力法导致接口超时，教训深刻。

1.1.2 哈希优化法

python复制class Solution:
    def twoSum(self, nums: List[int], target: int) -> List[int]:
        hashmap = {}
        for i, num in enumerate(nums):
            complement = target - num
            if complement in hashmap:
                return [hashmap[complement], i]
            hashmap[num] = i

哈希解法通过空间换时间：

• 时间复杂度：O(n) —— 只需单次遍历
• 空间复杂度：O(n) —— 存储元素到索引的映射

关键技巧：

1. 在遍历时动态构建哈希表，避免预处理
2. 先检查补数再插入当前数，防止重复使用同一元素
3. 存储索引而非值，便于直接返回结果

1.2 字母异位词分组的哈希技巧

字母异位词指字母相同但排列不同的单词，如"eat"和"tea"。分组这类词需要找到统一的哈希键。

1.2.1 排序哈希法

python复制class Solution:
    def groupAnagrams(self, strs: List[str]) -> List[List[str]]:
        hashmap = {}
        for s in strs:
            key = "".join(sorted(s))
            if key not in hashmap:
                hashmap[key] = []
            hashmap[key].append(s)
        return list(hashmap.values())

算法核心：

1. 将每个单词排序后作为哈希键
2. 相同键的单词归为同一组
3. 时间复杂度：O(nklogk)，其中n是单词数，k是最大单词长度

我在实际项目中处理用户搜索词时，曾用此法快速识别近义词。注意Python中字符串排序需先转为list再join，这是常见陷阱。

1.2.2 计数哈希法（优化变种）

对于仅含小写字母的场景，可用计数数组替代排序：

python复制def groupAnagrams(strs):
    hashmap = {}
    for s in strs:
        co