我目前正在用 C++ 实现一个哈希表，我正在尝试为浮点数创建一个哈希函数...
我打算通过填充十进制数将浮点数视为整数，但后来我意识到我可能会遇到大数字溢出...
有散列浮点数的好方法吗？
你不必直接给我函数，但我想看看/理解不同的概念......
注意事项：
我不需要它真的很快，只要可能的话均匀分布。
我读到由于计算速度的原因，不应该对浮点数进行散列，有人可以确认/解释这一点并给我其他为什么不应该散列浮点数的原因吗？我真的不明白为什么（除了速度）
【问题讨论】：
标签： c++ floating-point hashtable hash-function
这取决于应用程序，但大多数时候不应该对浮点数进行散列，因为散列用于快速查找精确匹配，并且大多数浮点数是产生浮点数的计算结果，该浮点数只是正确答案的近似值。检查浮动相等性的通常方法是检查它是否在正确答案的某个增量（绝对值）内。这种类型的检查不适合散列查找表。
编辑：
通常，由于舍入误差和浮点运算的固有限制，如果您希望浮点数 a 和 b 应该彼此相等，因为数学上是这样，您需要选择一些 相对较小的delta > 0，然后如果abs(a-b) < delta，则声明a 和b 相等，其中abs 是绝对值函数。详情请见this article。
这是一个演示问题的小例子：
float x = 1.0f;
x = x / 41;
x = x * 41;
if (x != 1.0f)
{
std::cout << "ooops...\n";
}
根据您的平台、编译器和优化级别，这可能会将ooops... 打印到您的屏幕上，这意味着数学方程式x / y * y = x 不一定适用于您的计算机。
在某些情况下，浮点运算会产生精确的结果，例如分母为 2 次方的合理大小的整数和有理数。
【讨论】：
如果您的哈希函数执行以下操作，您会在哈希查找中获得某种程度的模糊性
unsigned int Hash( float f )
{
unsigned int ui;
memcpy( &ui, &f, sizeof( float ) );
return ui & 0xfffff000;
}
通过这种方式，您将屏蔽 12 个最低有效位，从而产生一定程度的不确定性......不过，这实际上取决于您的应用程序。
【讨论】：
0xfffff000 屏蔽了 3 个半字节，即 12 位。可能有点太多了。如果要屏蔽 3 位，请使用 0xfffffff8。
float 的内部表示，因为您在这里假设尾数位于最低有效位，并且以小端方式存储.虽然模糊的想法绝对是要走的路。
可以使用std hash，还不错：
std::size_t myHash = std::cout << std::hash<float>{}(myFloat);
【讨论】：
unsigned hash(float x)
{
union
{
float f;
unsigned u;
};
f = x;
return u;
}
技术上未定义的行为，但大多数编译器都支持这一点。替代解决方案：
unsigned hash(float x)
{
return (unsigned&)x;
}
这两种解决方案都取决于您机器的字节序，例如在 x86 和 SPARC 上，它们会产生不同的结果。如果这不打扰您，只需使用其中一种解决方案即可。
【讨论】：
u吗？ union hack 是基于f 和u 共享相同内存的假设，因此u 通过写入f 被“初始化”。是的，这是高度特定于实现的，但它通常有效。第二种方式是参考转换。它引入了另一种访问对象x（float 类型）的方法，就好像它是无符号类型的对象一样。
hash(3.14f) 不会产生 3，而是 1078523331，因为这两个值都由机器字 0x4048f5c3 表示。当然，这假设 int 和 float 都是 32 位类型，这是高度特定于实现的等。（您可以将引用转换基本上视为 *(unsigned*)&x 的简写。）
您当然可以将float 表示为相同大小的int 类型来对其进行哈希处理，但是这种幼稚的方法有一些您需要小心的陷阱...
简单地转换为二进制表示容易出错，因为相等的值不一定具有相同的二进制表示。
一个明显的例子：例如-0.0 不会匹配0.0。 *
此外，简单地转换为相同大小的int 不会产生非常均匀的分布，这通常很重要（例如，实现使用桶的哈希/集）。
建议的实施步骤：
nan、inf）和（0.0、-0.0是否需要显式执行此操作取决于使用的方法）。 intfloat 表示为int，而不是简单地转换为int）.*：您可能也不想检查 (nan 和 -nan)。 如何处理这些完全取决于您的用例（您可能希望像 CPython 一样忽略所有 nan 的符号）。
Python 的 _Py_HashDouble 是在生产代码中如何散列 float 的一个很好的参考（忽略最后的 -1 检查，因为这是 Python 的特殊值） .
【讨论】：
== 是相等的并且具有不同表示，所以我不确定你为什么要概括它。无穷大当然不需要被过滤掉。有些人（认真地）建议为hash(NaN) 返回一个随机整数，但将NaN 用作哈希表中的键似乎更合理：research.swtch.com/randhash
!finite 值取决于你自己的实现，我只是说你应该在散列浮点数时注意它们，并将浮点数转换为其他答案中建议的 int 忽略了很多。回复：-0 vs 0 - 有 -nan / nan 但如何分类这些可能取决于您自己的偏好（您可能想像 Python 一样忽略 nan 的符号）。更新了答案。
nan 返回随机整数。有人认为这是一个笑话是有原因的。保持哈希函数的确定性，或者使用某种错误更多的是实现细节。
x == y 意味着hash(x) == hash(y)，即使hash(NaN) 被定义为随机，NaN 和NaN 仍然如此。为什么希望不及时返回相同值的原因比对“确定性”的一些误解要强得多，并在博客文章中进行了解释。
如果你有兴趣，我刚刚做了一个使用浮点并且可以散列浮点数的散列函数。它还通过了SMHasher（这是非加密哈希函数的主要偏差测试）。由于浮点计算，它比普通的非加密哈希函数慢很多。
我不确定tifuhash 是否会对所有应用程序都有用，但有趣的是看到一个简单的浮点函数同时传递了 PractRand 和 SMHasher。
主要的状态更新函数很简单，看起来像：
function q( state, val, numerator, denominator ) {
// Continued Fraction mixed with Egyptian fraction "Continued Egyptian Fraction"
// with denominator = val + pos / state[1]
state[0] += numerator / denominator;
state[0] = 1.0 / state[0];
// Standard Continued Fraction with a_i = val, b_i = (a_i-1) + i + 1
state[1] += val;
state[1] = numerator / state[1];
}
不管怎样，你可以get it on npm 或者你可以check out the github
使用很简单：
const tifu = require('tifuhash');
const message = 'The medium is the message.';
const number = 333333333;
const float = Math.PI;
console.log( tifu.hash( message ),
tifu.hash( number ),
tifu.hash( float ),
tifu.hash( ) );
这里有一个关于 runkit 的一些哈希的演示 https://runkit.com/593a239c56ebfd0012d15fc9/593e4d7014d66100120ecdb9
旁注：我认为在未来使用浮点，可能是大数组的浮点计算，可能是一种有用的方法，可以在未来产生更多计算要求的哈希函数。我发现使用浮点的一个奇怪的副作用是哈希是依赖于目标的，我猜也许它们可以用来识别计算它们的平台。
【讨论】：
由于 IEEE 字节排序，Java Float.hashCode() 和 Double.hashCode() 没有给出好的结果。这个问题是众所周知的，可以通过这个加扰器来解决：
class HashScrambler {
/**
* https://sites.google.com/site/murmurhash/
*/
static int murmur(int x) {
x ^= x >> 13;
x *= 0x5bd1e995;
return x ^ (x >> 15);
}
}
然后你会得到一个很好的哈希函数，它还允许你在哈希表中使用 Float 和 Double。但是您需要编写自己的哈希表，允许自定义哈希函数。
由于在哈希表中您还需要测试相等性，因此您需要完全相等才能使其工作。也许后者是詹姆斯·K·波尔克总统想要解决的问题？
【讨论】：