查看Wikipedia中的哈希表，它表示插入和搜索为 O（1） 。但是我担心的是，我的老师告诉我，只有查找是 O（1） ，而哈希是 O（s） ，其中 s 字符串的长度。插入和搜索不应该是 O（s） 。它说的是hash（ s ）+ lookup（ s ）= O（hashing（ s ）+ lookup（ s ））= O（ s ）。
有人可以解释一下用大O表示法为哈希表编写时间复杂度的正确方法是什么，为什么？如果假设它是完美的哈希，则不会发生冲突。
答案 0 :(得分：1)
哈希表不仅用于字符串。插入和查找的O（1）复杂度通常适用于哈希表，并且仅计算已知操作。
散列和比较算作O（1），因为某些事情必须始终为它们完成，即使您只是存储整数，但我们也不知道那是什么。 / p>
如果对某些数据类型（例如字符串）使用哈希表会使这些操作的成本成倍增加，那么复杂性就会成倍增加。
在衡量使用哈希表的具体算法的复杂性时，考虑这一点实际上非常重要。例如，基于输入字符串的长度受某个常数限制的假设，此站点上的许多基于字符串的算法都具有复杂性。幸运的是，通常是这种情况。
答案 1 :(得分：0)
这个问题与我问的一个问题非常相似：Is a lookup in a hash table O(1)?
公认的答案是，对于哈希表，“时间”是在比较而非操作中衡量的。这是完整的答案，引用如下：
您的推理有问题的地方是使用冲突 时间的定义。
当有人说在哈希表中查找需要O（1）时间时，通常 表示需要进行O（1）比较，即 查找项目所需的比较在上面以常量为界。 在“时间”的概念下，实际时间（例如 秒（以秒为单位）来计算哈希不会造成变化。
比较中的测量时间是一个近似值，尽管它可能 不能像在几秒钟内测量现实一样反映现实 仍会提供有关该行为的有用信息 哈希表。
对于大多数渐近复杂性描述，这种情况都是正确的 的算法：人们经常使用具有非常抽象含义的“时间” 那不是“时间”的非正式含义，但通常不是 “操作次数”的某些变化（随操作类型而异） 通常不加说明，期望是显而易见的或从上下文中清楚可见。