learn hash

Author: imoyao

Hash/readme.md

@@ -4,3 +4,5 @@
 
 
 ## 更多
+[Python字典对象实现原理](https://foofish.net/python_dict_implements.html)
+[哈希表](https://python-data-structures-and-algorithms.readthedocs.io/zh/latest/07_%E5%93%88%E5%B8%8C%E8%A1%A8/hashtable/)

README.md

@@ -3,7 +3,6 @@
 ### 基本数据结构
 - [数组]()
 - [链表](./Linked_list)
-#### TODO:
 - [堆](./Heap)
 - [栈](./Stack)
 - [队列](./Queue)
@@ -24,6 +23,17 @@
 - [树](./Tree)
 - [图](./Graph)
 
+第一周：数组与链表、栈与队列
+第二周：哈希表、映射、集合
+第二周：树、二叉数和图
+第三周：递归、分治和回溯
+第四周：深度、广度优先搜索与剪枝
+第四周：贪心算法与二分查找
+第五周：动态规划
+第六周：并查集、字典树、红黑树和 AVL 树
+第七周：位运算、布隆过滤器和 LRU Cache
+第七周：排序、字符串操作串讲
+
 ## 书籍及资源
 
 对使用 `Python` 学习数据结构和算法的资料进行收集并学习。对于外文资料，会列出英文原版，并尽量找到中文译文版。

Tree/B_tree/readme.md

@@ -135,11 +135,11 @@ B 树（英语：B-tree）是一种自平衡的树，又名平衡多路（即不
 
 Q: 为什么说 B+树 比 B 树更适合实际应用中操作系统的文件索引和数据库索引？
 
-- B+树的磁盘读写代价更低 
-    B+树 的内部结点并没有指向关键字具体信息的指针。因此其内部结点相对 B 树更小。如果把所有同一内部结点的关键字存放在同一盘块中，那么盘块所能容纳的关键字数量也越多。一次性读入内存中的需要查找的关键字也就越多。相对来说 IO 读写次数也就降低了。
+- B+树的磁盘读写代价更低  
+    B+树的内部结点并没有指向关键字具体信息的指针。因此其内部结点相对 B 树更小。如果把所有同一内部结点的关键字存放在同一盘块中，那么盘块所能容纳的关键字数量也越多。一次性读入内存中的需要查找的关键字也就越多。相对来说 IO 读写次数也就降低了。
     举个例子，假设磁盘中的一个盘块容纳 16bytes，而一个关键字 2bytes，一个关键字具体信息指针 2bytes。一棵 9 阶 B 树(一个结点最多 8 个关键字)的内部结点需要 2 个盘块。而 B+ 树内部结点只需要 1 个盘快。当需要把内部结点读入内存中的时候，B 树就比 B+ 树多一次盘块查找时间(在磁盘中就是盘片旋转的时间)。
 
-- B+树的查询效率更加稳定
+- B+树的查询效率更加稳定  
     由于非终结点并不是最终指向文件内容的结点，而只是叶子结点中关键字的索引。所以任何关键字的查找必须走一条从根结点到叶子结点的路。所有关键字查询的路径长度相同，导致每一个数据的查询效率相当。
 
 总而言之，B 树在提高了磁盘 IO 性能的同时并没有解决元素遍历的效率低下的问题。正是为了解决这个问题，B+树应运而生。B+树只要遍历叶子节点就可以实现整棵树的遍历，支持基于范围的查询，而 B 树不支持 range-query 这样的操作（或者说效率太低）。