Mention figures and tables in normal texts.

Fix some figures.
Finetune texts.

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)