使用自定义哈希函数插入到一个无序集合中

Inserting into an unordered_set with custom hash function

本文关键字：一个 无序 集合 自定义 哈希 函数 插入      更新时间：2023-10-16

我有以下代码来制作unordered_set<Interval>。这汇编得很好。

struct Interval {
  unsigned int begin;
  unsigned int end;
  bool updated;   //true if concat.  initially false
  int patternIndex;  //pattern index. valid for single pattern
  int proteinIndex;   //protein index.  for retrieving the pattern
};
struct Hash {
  size_t operator()(const Interval &interval);
};
size_t Hash::operator()(const Interval &interval){
  string temp = to_string(interval.begin) + to_string(interval.end) + to_string(interval.proteinIndex);
  return hash<string>()(temp);
}
unordered_set<Interval, string, Hash> test;

然而，当我尝试使用以下代码插入时，我无法编译：

for(list<Interval>::iterator i = concat.begin(); i != concat.end(); ++i){
  test.insert((*i));
}

此外，我无法从错误消息中确定问题所在，例如：

note: candidate is:
note: size_t Hash::operator()(const Interval&)
note:   candidate expects 1 argument, 2 provided

我以为我只提供了一个论点。。。

我的插入代码有什么问题？

这是新的实例化代码：unordered_set<Interval, Hash> test;然而，我仍然收到大量错误消息，例如：

note: candidate is:
note: size_t Hash::operator()(const Interval&) <near match>
note:   no known conversion for implicit ‘this’ parameter from ‘const Hash*’ to ‘Hash*’

第一个问题：

您将传递string作为unordered_set<>类模板实例化的第二个模板参数。第二个参数应该是hasher函子的类型，并且std::string不是可调用对象。

也许是想写：

unordered_set<Interval, /* string */ Hash> test;
//                      ^^^^^^^^^^^^
//                      Why this?

此外，我建议您的(成员(变量使用begin和end以外的名称，因为这些名称是C++标准库的算法名称。

第二个问题：

您应该记住，hasher函数应该被限定为const，所以您的函数应该是：

struct Hash {
   size_t operator() (const Interval &interval) const {
   //                                           ^^^^^
   //                                           Don't forget this!
     string temp = to_string(interval.b) + 
                   to_string(interval.e) + 
                   to_string(interval.proteinIndex);
     return (temp.length());
   }
};

第三个问题：

最后，如果希望std::unordered_set能够处理Interval类型的对象，则需要定义一个与哈希函数一致的相等运算符。默认情况下，如果未将任何类型参数指定为std::unordered_set类模板的第三个参数，则将使用operator ==。

您的类Interval当前没有任何operator ==重载，因此您应该提供一个。例如：

inline bool operator == (Interval const& lhs, Interval const& rhs)
{
    return (lhs.b == rhs.b) && 
           (lhs.e == rhs.e) && 
           (lhs.proteinIndex == rhs.proteinIndex); 
}

结论：

经过以上所有修改后，您的代码变为：

#include <string>
#include <unordered_set>
#include <list>
using namespace std;
struct Interval {
  unsigned int b;
  unsigned int e;
  bool updated;   //true if concat.  initially false
  int patternIndex;  //pattern index. valid for single pattern
  int proteinIndex;   //protein index.  for retrieving the pattern
};
bool operator == (Interval const& lhs, Interval const& rhs)
{
    return (lhs.b == rhs.b) && (lhs.e == rhs.e) && (lhs.proteinIndex == rhs.proteinIndex); 
}
struct Hash {
   size_t operator()(const Interval &interval) const {
     string temp = to_string(interval.b) + to_string(interval.e) + to_string(interval.proteinIndex);
     return (temp.length());
   }
};
int main()
{
   unordered_set<Interval, Hash> test;
  
  list<Interval> concat;
  for(list<Interval>::iterator i = concat.begin(); i != concat.end(); ++i){
    test.insert(*i);
  }
}

我认为，Andy Prowl完美地解决了代码中的问题。然而，我想在您的Interval中添加以下成员函数，它描述了是什么使两个间隔相同：

std::string getID() const { return std::to_string(b) + " " + std::to_string(e) + " " + std::to_string(proteinIndex); }

请注意，我也听从了Andy Prowl的建议，将成员begin重命名为b，将end重命名为e。接下来，您可以通过使用lambda表达式轻松地定义散列函数和比较函数。因此，您可以将unordered_set定义如下：

auto hash = [](const Interval& i){ return std::hash<std::string>()(i.getID()); };
auto equal = [](const Interval& i1, const Interval& i2){ return i1.getID() == i2.getID(); };
std::unordered_set<Interval, decltype(hash), decltype(equal)> test(8, hash, equal);

最后，出于可读性的原因，我将您的for循环转换为基于范围的for循环：

std::list<Interval> concat {{1, 2, false, 3, 4}, {2, 3, false, 4, 5}, {1, 2, true, 7, 4}};
for (auto const &i : concat)
    test.insert(i);
for (auto const &i : test)
    std::cout << i.b << ", " << i.e << ", " << i.updated << std::endl;

输出(我刚刚打印了每个Interval的前三个成员(：

2、3、0
1，2，0

如您所见，只打印了两个间隔。第三个({1, 2, true, 7, 4}(没有插入到test，因为它的b、e和proteinIndex等于第一个间隔({1, 2, false, 3, 4}(。

Ideone 上的代码

相关文章：