1.map和set的应用和比较

  map和set都是关联式容器,底层容器都是红黑树。

  map以键值对的形式进行存储,方便进行查找,关键词起到索引的作用,值则表示与索引相关联的数据,以红黑树的结构实现,插入删除等操作都可以在O(log n)时间内完成。

  • 所有元素都是键+值存在,key=value组成pair,是一组映射关系。
  • 不允许键重复
  • 所有元素是通过键进行自动排序的
  • map的键是不能修改的,但是其键对应的值是可以修改的
 #include<string>
#include<vector> //模拟pair和 make_pair的底层实现
//template<class K, class V>
//struct pair
//{
// K first;
// V second;
//
// pair(const K& key, const V& value)
// :first(key)
// , second(value)
// {}
//};
//template<class K, class V>
//pair<K, V> make_pair(const K& key, const V& value)
//{
// return pair<K, V>(key, value);
//} //vector<string> GetTopKF(const vector<string>& fruits)
//{
// vector<string> topk;
// typedef map<string, int> CountTop;
// typedef map<string, int>::iterator CountIt;
// CountTop counttop;
// for (size_t i = 0; i < fruits.size(); i++) {
// CountIt countit = counttop.find(fruits[i]);
// if (countit != counttop.end())
// (countit->second)++;
// else
// //counttop.insert(pair<string, int>(fruits[i], 1));
// counttop.insert(make_pair(fruits[i], 1));
// }
// return topk;
//}
vector<string> GetTopKF(const vector<string>& fruits)
{
vector<string> topk;
typedef map<string, int> CountTop;
typedef map<string, int>::iterator CountIt;
CountTop counttop;
for (size_t i = ; i < fruits.size(); i++) {
/*pair<CountIt, bool> retKV = counttop.insert(make_pair(fruits[i], 1));
if (retKV.second == false)
{
retKV.first->second++;
}*/
counttop[fruits[i]]++;
}
return topk;
} void MapTest()
{
typedef map<string, string> Dict;
typedef map<string, string>::iterator DictIt;
Dict dict;
dict.insert(pair<string, string>("right", "右边"));
dict.insert(pair<string, string>("left", "左边"));
dict.insert(pair<string, string>("世界", "你好"));
dict.insert(pair<string, string>("hello", "word"));
dict.insert(pair<string, string>("key", "键值")); DictIt dictit = dict.begin();
while (dictit != dict.end()) {
cout << (*dictit).first << " " << (*dictit).second << endl;
++dictit;
}
DictIt ret = dict.find("left");
if(ret != dict.end())
dict.erase(ret);
vector<string> v;
v.push_back("梨");
v.push_back("苹果");
v.push_back("西瓜");
v.push_back("香蕉");
v.push_back("西瓜");
v.push_back("香蕉");
v.push_back("菠萝");
v.push_back("西瓜");
v.push_back("草莓");
GetTopKF(v);
}

  set支持高效的关键字查询操作---检查每一个给定的关键字是否在set中,也支持高效插入删除。

  以平衡二叉检索树实现,查找使用中序遍历算法,检索效率高于vector,deque,list等容器,另外使用中序遍历可将键值按照从小到大遍历出来,构造set集合的主要目的是为了快速检索,不可直接去修改键值。
  • 所得元素的只有key没有value,value就是key
  • 不允许出现键值重复
  • 所有的元素都会被自动排序
  • 不能通过迭代器来改变set的值,因为set的值就是键
 #pragma once
#include<iostream>
#include<set>
#include<map> using namespace std; void SetTest()
{
set<int> s1; //没有数据冗余
s1.insert();
s1.insert();
s1.insert();
s1.insert();
s1.insert();
s1.insert();
s1.insert();
s1.insert();
s1.insert();
s1.insert();
s1.insert();
s1.insert();
s1.insert(); //set的插入操作 set<int>::iterator ite = s1.begin();
//ite = 10;
while (ite != s1.end()) { //利用迭代器遍历打印数据
cout<<*ite<<" ";
ite++;
}
cout << endl;
set<int>::reverse_iterator ret1= s1.rbegin();
while (ret1 != s1.rend()) { //降序打印
cout << *ret1 << " ";
ret1++;
} set<int>::iterator ret = s1.find(); //
if (ret != s1.end()) //set的查找,如果没有找到不会报错
cout << "find it" << *ret << endl;
else
cout << "null" << endl; if (s1.count())//只判断是否存在14,返回1或0
cout << "find it" << endl;
else
cout << "null" << endl; ret = s1.find(); //find后删除
if (ret != s1.end())
s1.erase(ret);
set<int>::iterator last, first;
first = s1.lower_bound(); //返回8大的第一个数
last = s1.upper_bound(); //返回20大的第一个数
s1.erase(first, last);//删除这个范围的数据
s1.erase(); //有就删除,没有也不报错 set<int>::iterator ite1 = s1.begin();
while (ite1 != s1.end()) {
cout << *ite1 << " ";
ite1++;
}
}
void MultisetTest() {
multiset<int> s2; //允许数据冗余,其他操作同set
s2.insert();
s2.insert();
s2.insert();
s2.insert();
s2.insert();
s2.insert();
s2.insert();
s2.insert();
s2.insert();
s2.insert();
s2.insert();
s2.insert();
s2.insert();
multiset<int>::iterator mit = s2.begin();
while (mit != s2.end()) {
cout << *mit << " ";
mit++;
}
multiset<int>::iterator mIt = s2.find();
/*++mIt;
++mIt;
++mIt;
++mIt;*/
}

  map的节点是一对数据,set的节点是一个数据。

2.扩展

  Multimap允许数据冗余,即存储的数据不唯一。
  hashmap是基于散列表(哈希表,hash table)实现的。基本原理是:使用一个下标范围比较大的数组来存储元素。可以设计一个函数(哈希函数,也叫做散列函数),使得每个元素的关键字都与一个函数值(即数组下标,hash值)相对应,于是用这个数组单元来存储这个元素;也可以简单的理解为,按照关键字为每一个元素“分类”,然后将这个元素存储在相应“类”所对应的地方,称为桶。
但不能够保证每个元素的关键字与函数值是一一对应的,有可能出现对于不同的元素,得到相同的函数值,这就是哈希冲突,往往需要专门的哈希冲突处理函数来解决。
  hashma插入和查找的速度与 哈希函数和冲突处理函数的 实现有关,是这两个函数耗时的总和。查询时间复杂度是O(1);
看具体的应用,不一定常数级别的hash_map一定比log(n)级别的map要好,hash_map的hash函数以及解决地址冲突等都要耗时间,而且众所周知hash表是以空间换时间的,因而hash_map的内存消耗肯定要大,一般情况下,如果记录非常大,考虑hash_map,查找效率会高很多,如果要考虑内存消耗,则要谨慎使用hash_map。
  Multiset允许数据冗余。

map和set的使用及top K问题的更多相关文章

  1. 347. Top K Frequent Elements (sort map)

    Given a non-empty array of integers, return the k most frequent elements. Example 1: Input: nums = [ ...

  2. 347. Top K Frequent Elements

    Given a non-empty array of integers, return the k most frequent elements. For example,Given [1,1,1,2 ...

  3. [LeetCode] Top K Frequent Words 前K个高频词

    Given a non-empty list of words, return the k most frequent elements. Your answer should be sorted b ...

  4. 海量数据处理 - 10亿个数中找出最大的10000个数(top K问题)

    前两天面试3面学长问我的这个问题(想说TEG的3个面试学长都是好和蔼,希望能完成最后一面,各方面原因造成我无比想去鹅场的心已经按捺不住了),这个问题还是建立最小堆比较好一些. 先拿10000个数建堆, ...

  5. 如何解决海量数据的Top K问题

    1. 问题描述 在大规模数据处理中,常遇到的一类问题是,在海量数据中找出出现频率最高的前K个数,或者从海量数据中找出最大的前K个数,这类问题通常称为“top K”问题,如:在搜索引擎中,统计搜索最热门 ...

  6. [leetcode]692. Top K Frequent Words K个最常见单词

    Given a non-empty list of words, return the k most frequent elements. Your answer should be sorted b ...

  7. [leetcode]347. Top K Frequent Elements K个最常见元素

    Given a non-empty array of integers, return the k most frequent elements. Example 1: Input: nums = [ ...

  8. top k问题

    1.top k问题 在海量数据处理中,经常会遇到的一类问题:在海量数据中找出出现频率最高的前k个数,或者从海量数据中找出最大的前k个数,这类问题通常被称为top K问题.例如,在搜索引擎中,统计搜索最 ...

  9. 【分步详解】两个有序数组中的中位数和Top K问题

    (这也是一道leetcode的经典题目:<LeetCode>解题笔记:004. Median of Two Sorted Arrays[H] 问题介绍 这是个超级超级经典的分治算法!!这个 ...

随机推荐

  1. 视图向控制器传参@RequestMapping()和@RequestParam()

    @RequestMapping()和@RequestParam()注解在spring-web-4.3.18.RELEASE.jar包下,当然可以是其他版本,所在包名如下: @RequestMappin ...

  2. spring boot通过Jedis来操作redis

    idea中新建spring boot项目,引入jedis依赖 <!-- https://mvnrepository.com/artifact/redis.clients/jedis --> ...

  3. spring和springmvc的基础知识点

    1.spring中使用@Service("userservice")如何在其他地方引用这个service? (1)getBean("userservice") ...

  4. idea中添加Run Dashboard

    可以在工程目录下找到.idea文件夹下的workspace.xml,在其中加入以下代码即可: <component name="RunDashboard"> <o ...

  5. 你的火狐很慢吗? - Firefox启动和运行速度优化

    最近刚开始体验firefox,发现了一些优势和缺点,无敌的扩展确实带来的是功能上的享受,可随之而来的问题便是太多的插件和主题导致ff启动如龟速,比起IE和TW都有不小的差距,因此特意搜集来一些关于启动 ...

  6. Qt5教程: (4) 带参数信号与槽

    在subwidget.h中声明一个signal. 和之前的信号函数重名但是有参数: void backSignal(QString); 之后在subwidget.cpp的槽函数sendSignal() ...

  7. Redis 3.0中文版学习(二)

    网址:http://wiki.jikexueyuan.com/project/redis-guide/entry-to-master-middle.html 1.Redis的列表: 采用链表的实现方法 ...

  8. CSS中各种布局的背后(*FC)

    CSS中各种布局的背后,实质上是各种*FC的组合.CSS2.1中只有BFC和IFC,CSS3 中还增加了FFC和GFC. 盒模型(BoxModel) 上图为W3C标准盒模型,另外还有一种IE盒模型(I ...

  9. SpringBoot系列:Spring Boot集成Spring Cache,使用EhCache

    前面的章节,讲解了Spring Boot集成Spring Cache,Spring Cache已经完成了多种Cache的实现,包括EhCache.RedisCache.ConcurrentMapCac ...

  10. libevent::事件::定时器2

    #define evtimer_new(b, cb, arg) event_new((b), -1, 0, (cb), (arg)) #include <cstdio> #include ...