Mention figures and tables in normal texts.

Fix some figures.
Finetune texts.

docs/chapter_hashing/hash_algorithm.md

@@ -2,7 +2,7 @@
 
 在上两节中，我们了解了哈希表的工作原理和哈希冲突的处理方法。然而无论是开放寻址还是链地址法，**它们只能保证哈希表可以在发生冲突时正常工作，但无法减少哈希冲突的发生**。
 
-如果哈希冲突过于频繁，哈希表的性能则会急剧劣化。对于链地址哈希表，理想情况下键值对平均分布在各个桶中，达到最佳查询效率；最差情况下所有键值对都被存储到同一个桶中，时间复杂度退化至 $O(n)$ 。
+如果哈希冲突过于频繁，哈希表的性能则会急剧劣化。如下图所示，对于链地址哈希表，理想情况下键值对平均分布在各个桶中，达到最佳查询效率；最差情况下所有键值对都被存储到同一个桶中，时间复杂度退化至 $O(n)$ 。
 
 ![哈希冲突的最佳与最差情况](hash_algorithm.assets/hash_collision_best_worst_condition.png)
 

docs/chapter_hashing/hash_collision.md

@@ -11,7 +11,7 @@
 
 ## 链式地址
 
-在原始哈希表中，每个桶仅能存储一个键值对。「链式地址 separate chaining」将单个元素转换为链表，将键值对作为链表节点，将所有发生冲突的键值对都存储在同一链表中。
+在原始哈希表中，每个桶仅能存储一个键值对。「链式地址 separate chaining」将单个元素转换为链表，将键值对作为链表节点，将所有发生冲突的键值对都存储在同一链表中。下图展示了一个链式地址哈希表的例子。
 
 ![链式地址哈希表](hash_collision.assets/hash_table_chaining.png)
 
@@ -118,7 +118,9 @@
 - **插入元素**：通过哈希函数计算数组索引，若发现桶内已有元素，则从冲突位置向后线性遍历（步长通常为 $1$ ），直至找到空位，将元素插入其中。
 - **查找元素**：若发现哈希冲突，则使用相同步长向后线性遍历，直到找到对应元素，返回 `value` 即可；如果遇到空位，说明目标键值对不在哈希表中，返回 $\text{None}$ 。
 
-![线性探测](hash_collision.assets/hash_table_linear_probing.png)
+下图展示了一个在开放寻址（线性探测）下工作的哈希表。
+
+![开放寻址和线性探测](hash_collision.assets/hash_table_linear_probing.png)
 
 然而，线性探测存在以下缺陷：
 

docs/chapter_hashing/hash_map.md

@@ -2,15 +2,15 @@
 
 「哈希表 hash table」，又称「散列表」，其通过建立键 `key` 与值 `value` 之间的映射，实现高效的元素查询。具体而言，我们向哈希表输入一个键 `key` ，则可以在 $O(1)$ 时间内获取对应的值 `value` 。
 
-以一个包含 $n$ 个学生的数据库为例，每个学生都有“姓名”和“学号”两项数据。假如我们希望实现“输入一个学号，返回对应的姓名”的查询功能，则可以采用哈希表来实现。
+如下图所示，给定 $n$ 个学生，每个学生都有“姓名”和“学号”两项数据。假如我们希望实现“输入一个学号，返回对应的姓名”的查询功能，则可以采用哈希表来实现。
 
 ![哈希表的抽象表示](hash_map.assets/hash_table_lookup.png)
 
-除哈希表外，我们还可以使用数组或链表实现查询功能。若将学生数据看作数组（链表）元素，则有：
+除哈希表外，数组和链表也可以实现查询功能，它们的效率对比如下表所示。
 
 - **添加元素**：仅需将元素添加至数组（链表）的尾部即可，使用 $O(1)$ 时间。
 - **查询元素**：由于数组（链表）是乱序的，因此需要遍历其中的所有元素，使用 $O(n)$ 时间。
-- **删除元素**：需要先查询到元素，再从数组中删除，使用 $O(n)$ 时间。
+- **删除元素**：需要先查询到元素，再从数组（链表）中删除，使用 $O(n)$ 时间。
 
 <p align="center"> 表：元素查询效率对比 </p>
 
@@ -578,7 +578,9 @@ index = hash(key) % capacity
 
 ![哈希冲突示例](hash_map.assets/hash_collision.png)
 
-容易想到，哈希表容量 $n$ 越大，多个 `key` 被分配到同一个桶中的概率就越低，冲突就越少。因此，**我们可以通过扩容哈希表来减少哈希冲突**。如下图所示，扩容前键值对 `(136, A)` 和 `(236, D)` 发生冲突，扩容后冲突消失。
+容易想到，哈希表容量 $n$ 越大，多个 `key` 被分配到同一个桶中的概率就越低，冲突就越少。因此，**我们可以通过扩容哈希表来减少哈希冲突**。
+
+如下图所示，扩容前键值对 `(136, A)` 和 `(236, D)` 发生冲突，扩容后冲突消失。
 
 ![哈希表扩容](hash_map.assets/hash_table_reshash.png)