哈希表专题：Mermaid 图解映射、计数去重与 4 道 LeetCode 核心题
用 Mermaid 图解哈希表中的查找、计数、去重、频次统计和 4 道 LeetCode 经典题，系统掌握哈希表专题。
哈希表专题：Mermaid 图解映射、计数去重与 4 道 LeetCode 核心题
哈希表是算法题里最容易被低估的一类结构。
很多题看起来像暴力、双层循环，真正的突破点其实只有一句话：
把“找过没有、出现几次、对应关系是什么”从 O(n) 查找变成 O(1) 级别查询。
这篇文章继续用 Mermaid 图解的方式，把哈希表最常见的映射、计数、去重和频次统计模型讲清楚，再用 4 道 LeetCode 题把高频套路串起来。
学习目标：
- 理解哈希表在算法题中的核心作用。
- 掌握映射、计数、去重、分组等高频模型。
- 理解什么时候应该优先想到哈希表。
- 用 4 道 LeetCode 题覆盖哈希表高频题型。
- 用一张知识卡片形成哈希表题的判断框架。
一、哈希表的本质：用空间换时间
哈希表的核心价值是：
把“查找某个元素是否存在”的代价，从线性扫描降到近似常数时间。
flowchart TD
A[元素 / 键] --> B[哈希函数]
B --> C[映射到表中的位置]
C --> D[快速查询或更新]
这意味着它特别适合解决：
- 是否存在
- 出现次数
- 值到位置的映射
- 分类分组
二、哈希表高频模型
mindmap
root((哈希表模型))
映射
数值到下标
字符到计数
计数
频次统计
次数比较
去重
判重
集合交并
分组
同类归并
1. 映射
例如“两数之和”里，把数值映射到下标。
2. 计数
例如字符串字符频次、数组元素出现次数。
3. 去重
用 Set 判断元素是否已出现。
4. 分组
把某种“规范化后的 key”映射到一个集合。
三、什么时候该第一时间想到哈希表
如果题目里出现下面这些信号，哈希表通常都值得优先考虑：
- 是否出现过
- 是否重复
- 出现次数
- 配对关系
- 分组归类
flowchart TD
A[题目包含 查找 判重 计数 配对] --> B[优先考虑哈希表]
很多暴力题之所以慢，就是因为把“查找”写成了重复扫描。
四、4 道 LeetCode 题目打通哈希表专题
1）LeetCode 1. 两数之和
题型定位：值到下标映射。
1
2
3
4
5
6
7
8
9
10
11
12
class Solution {
public:
vector<int> twoSum(vector<int>& nums, int target) {
unordered_map<int, int> pos;
for (int i = 0; i < static_cast<int>(nums.size()); ++i) {
int need = target - nums[i];
if (pos.count(need)) return {pos[need], i};
pos[nums[i]] = i;
}
return {};
}
};
flowchart TD
A[遍历当前数 x] --> B[计算需要的数 target-x]
B --> C{哈希表里有吗}
C -->|有| D[直接得到答案]
C -->|没有| E[把 x 和下标存入哈希表]
这题练的是：
- 映射关系建模
- 为什么能从 O(n^2) 降到 O(n)
2）LeetCode 49. 字母异位词分组
题型定位：哈希分组。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
class Solution {
public:
vector<vector<string>> groupAnagrams(vector<string>& strs) {
unordered_map<string, vector<string>> groups;
for (const string& s : strs) {
string key = s;
sort(key.begin(), key.end());
groups[key].push_back(s);
}
vector<vector<string>> res;
for (auto& [_, bucket] : groups) res.push_back(bucket);
return res;
}
};
flowchart TD
A[原字符串] --> B[排序后得到标准 key]
B --> C[相同 key 的字符串放进同一组]
这题训练的是：
- 如何构造“等价类”的 key
- 哈希表分组思路
3）LeetCode 128. 最长连续序列
题型定位：哈希集合判存在。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
class Solution {
public:
int longestConsecutive(vector<int>& nums) {
unordered_set<int> st(nums.begin(), nums.end());
int ans = 0;
for (int num : st) {
if (st.count(num - 1)) continue;
int cur = num, len = 1;
while (st.count(cur + 1)) {
++cur;
++len;
}
ans = max(ans, len);
}
return ans;
}
};
flowchart TD
A[当前数 num] --> B{num-1 存在吗}
B -->|存在| C[它不是起点 跳过]
B -->|不存在| D[从它开始向后扩展连续段]
这题训练的是：
- 哈希集合判存在
- 如何避免重复扩展
4）LeetCode 560. 和为 K 的子数组
题型定位：前缀和 + 哈希计数。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
class Solution {
public:
int subarraySum(vector<int>& nums, int k) {
unordered_map<int, int> cnt;
cnt[0] = 1;
int sum = 0, ans = 0;
for (int x : nums) {
sum += x;
if (cnt.count(sum - k)) ans += cnt[sum - k];
++cnt[sum];
}
return ans;
}
};
flowchart TD
A[当前前缀和 sum] --> B[查找之前是否出现过 sum-k]
B --> C[出现次数就是新增答案数]
C --> D[把当前 sum 计入哈希表]
这题最重要的是理解：
- 哈希表有时不是直接存元素
- 也可以存“某种中间状态”的出现次数
五、哈希表题怎么快速判断
flowchart TD
A[看到题目] --> B{是否涉及 查找 判重 计数 配对}
B -->|是| C[优先考虑 unordered_map / unordered_set]
B -->|否| D{是否能把对象映射成规范 key}
D -->|是| E[考虑哈希分组]
D -->|否| F[再看双指针 排序 DP 等模型]
六、哈希表常见错误
1）key 设计不合理
分组类题里，key 设计是成败关键。
2）更新时机写错
例如前缀和题，先查还是先放入哈希表，顺序可能影响答案。
3）重复统计
尤其是在计数和组合类问题里。
4）只会用哈希表，不会结合别的结构
很多题其实是：
- 哈希 + 前缀和
- 哈希 + 滑动窗口
- 哈希 + 排序
flowchart TD
A[构造 key / 状态] --> B[查找是否存在或出现几次]
B --> C[更新答案]
C --> D[更新哈希表]
七、哈希表知识卡片
mindmap
root((哈希表))
核心作用
快速查找
用空间换时间
高频模型
映射
计数
去重
分组
组合用法
前缀和
滑动窗口
排序
常错点
key 设计
更新时机
重复统计
复习版要点：
- 哈希表最核心的价值是快速查找
- 查找、判重、计数、配对题优先考虑哈希
- 分组题往往关键在于构造规范 key
- 哈希表经常和前缀和、滑动窗口联用
- 更新顺序写错很容易导致答案偏差
八、最后总结
如果只记一句话，请记这个：
哈希表不是“一个容器”，而是一种把重复查找成本打掉的建模方式。
做题时先判断：
- 我要不要快速判断存在性
- 我是不是在统计频次
- 我能不能把对象映射成统一 key
把这篇里的 4 道题做透，哈希表高频题会非常稳。
本文由作者按照 CC BY 4.0 进行授权