
數(shù)組.png
遍歷數(shù)組
····
int[] arr = new int[10];
for (int i=0;i<arr.length;i++){
arr[i]=i;
}
int [] scores = new int[]{100,90,66};
for (int i=0;i<scores.length;i++){
}
for (int score:scores){
System.out.println(score);
}
····
- 數(shù)組最大的優(yōu)點(diǎn):快速查詢。
- 數(shù)組最好應(yīng)用于“索引有語意”的情況
- 但并非所有有語意的索引都適用于數(shù)組
制作屬于我們自己的數(shù)組類
public class Array {
private int[] data;
private int size;
// 構(gòu)造函數(shù),傳入數(shù)組的容量capacity構(gòu)造Array
public Array(int capacity){
data = new int[capacity];
size = 0;
}
//無參數(shù)的構(gòu)造函數(shù),默認(rèn)數(shù)組的容量capacity=10
public Array(){
this(10);
}
//獲取數(shù)組中的元素個(gè)數(shù)
public int getSize(){
return size;
}
//獲取數(shù)組的容量
public int getCapacity(){
return data.length;
}
//返回?cái)?shù)組是否為空
public boolean isEmpty(){
return size == 0;
}
//向所有的元素后添加一個(gè)新元素
public void addLast(int e ){
add(size,e);
}
//在數(shù)組第一個(gè)位置插入元素
public void addFirst(int e){
add(0,e);
}
//在第index個(gè)位置插入一個(gè)新元素e
public void add(int index,int e){
if (size == data.length){
throw new IllegalArgumentException("Add failed.Array is full.");
}
if (index<0 || index >size ){
throw new IllegalArgumentException("Add failed.Require index>=0 and <=size.lenght");
}
for (int i=size-1;i>=index;i--){
data[i+1]=data[i];
}
data[index]=e;
size ++;
}
}
- 在數(shù)組任意位置插入一個(gè)元素
- 要將這個(gè)位置的所有元素的數(shù)據(jù)往后挪。
//在第index個(gè)位置插入一個(gè)新元素e public void add(int index,int e){ if (size == data.length){ throw new IllegalArgumentException("Add failed.Array is full."); } if (index<0 || index >size ){ throw new IllegalArgumentException("Add failed.Require index>=0 and <=size.lenght"); } for (int i=size-1;i>=index;i--){ data[i+1]=data[i]; } data[index]=e; size ++; }
在數(shù)組中查詢?cè)睾托薷脑?/h6>
- 增刪改查
//獲取index索引位置的元素
int get (int index){
if (index<0|| index>=size){
throw new IllegalArgumentException("Get failed.Index is illegall.");
}
return data[index];
}
//修過index索引位置的元素為e
void set(int index,int e ){
if (index<0|| index>=size){
throw new IllegalArgumentException("Get failed.Index is illegall.");
}
data[index]=e;
}
//查找數(shù)組是否有元素e
public boolean contains(int e){
for (int i =0;i<size;i++){
if (data[i] ==e){
return true;
}
}
return false;
}
//查找數(shù)組中元素e所在的索引,如果不存在元素e,則返回-1
public int find(int e){
for (int i =0;i<size;i++){
if (data[i] ==e){
return i;
}
}
return -1;
}
//從數(shù)組中刪除index位置的元素,返回刪除的元素
public int remove(int index){
if (index<0|| index>=size){
throw new IllegalArgumentException("Get failed.Index is illegall.");
}
int ret = data[index];
for (int i=index+1;i<size;i++){
data[i-1] = data[i];
}
size --;
return ret;
}
//從數(shù)組中刪除第一個(gè)元素,返回刪除的元素
public int removeFirst(){
return remove(0);
}
//從數(shù)組中刪除最后一個(gè)元素,返回刪除的元素
public int removeLast(){
return remove(size-1);
}
//從數(shù)組中刪除元素e
public void removeElement(int e){
int index=find(e);
if (index !=-1){
remove(index);
}
}
但我們很多時(shí)候不一定只有int數(shù)組。所以此時(shí)需要支持泛型。只要將類型改為泛型即可
Array<E>
動(dòng)態(tài)數(shù)組
//動(dòng)態(tài)擴(kuò)容
private void resize(int newCapacity){
E[] newData=(E[])new Object[newCapacity];
for (int i =0;i<size;i++){
newData[i]=data[i];
}
data=newData;
}
- 自定義Array代碼地址:https://github.com/FoxconnPeter/PeterBlog/blob/master/%E8%87%AA%E5%AE%9A%E4%B9%89Array.md
時(shí)間復(fù)雜度分析
- O(1),O(n),O(lgn)....
- 大O描述的是算法的運(yùn)行時(shí)間和輸入數(shù)據(jù)之間的關(guān)系
public static int sum(int[] nums){
int sum=0;
for (int num:nums) sum += num;
return sum;
//這個(gè)算法是時(shí)間復(fù)雜度為O(n);
//n是nums中的元素個(gè)數(shù)
//算法和n呈線性關(guān)系
}
-
為什么要用大O,叫做O(n)?
- 忽略常數(shù),實(shí)際時(shí)間T=c1*n+c2
- c1:對(duì)每個(gè)數(shù)操作花費(fèi)的時(shí)間
- c2:開辟空間,return 數(shù)據(jù)等之類的時(shí)間就是c2
- O(n) 漸進(jìn)時(shí)間復(fù)雜度
- O(n2) 描述n趨近于無窮的情況
高階算法的常數(shù)比較低,可能速度快于低階算法。
無論歸并排序 還是快速排序 都可以比較小的數(shù)組 使用插入排序優(yōu)化??梢蕴嵘?0%的性能。 插入排序算法的常數(shù)比歸并算法 和快速算法的常數(shù)要小的。
分析動(dòng)態(tài)數(shù)組的時(shí)間復(fù)雜度
- 添加操作 O(n)
- addLast(e) O(1) 常數(shù)時(shí)間
- addFirst(e) O(n)
- add(index,e) 算時(shí)間復(fù)雜度的期望。用概率論知識(shí)。 O(n/2)=O(n)
- 刪除操作 O(n)
- removeLast(e) O(1) 常數(shù)時(shí)間
- removeFirst(e) O(n)
- remove(index,e) 算時(shí)間復(fù)雜度的期望。用概率論知識(shí)。 O(n/2)=O(n)
- 修改操作
set(index,e) O(1) 支持隨機(jī)訪問
- 查找操作
- get(Index) O(1)
- contains(e) O(n)
- find(e) O(n)
//獲取index索引位置的元素
int get (int index){
if (index<0|| index>=size){
throw new IllegalArgumentException("Get failed.Index is illegall.");
}
return data[index];
}
//修過index索引位置的元素為e
void set(int index,int e ){
if (index<0|| index>=size){
throw new IllegalArgumentException("Get failed.Index is illegall.");
}
data[index]=e;
}
//查找數(shù)組是否有元素e
public boolean contains(int e){
for (int i =0;i<size;i++){
if (data[i] ==e){
return true;
}
}
return false;
}
//查找數(shù)組中元素e所在的索引,如果不存在元素e,則返回-1
public int find(int e){
for (int i =0;i<size;i++){
if (data[i] ==e){
return i;
}
}
return -1;
}
//從數(shù)組中刪除index位置的元素,返回刪除的元素
public int remove(int index){
if (index<0|| index>=size){
throw new IllegalArgumentException("Get failed.Index is illegall.");
}
int ret = data[index];
for (int i=index+1;i<size;i++){
data[i-1] = data[i];
}
size --;
return ret;
}
//從數(shù)組中刪除第一個(gè)元素,返回刪除的元素
public int removeFirst(){
return remove(0);
}
//從數(shù)組中刪除最后一個(gè)元素,返回刪除的元素
public int removeLast(){
return remove(size-1);
}
//從數(shù)組中刪除元素e
public void removeElement(int e){
int index=find(e);
if (index !=-1){
remove(index);
}
}
Array<E>
//動(dòng)態(tài)擴(kuò)容
private void resize(int newCapacity){
E[] newData=(E[])new Object[newCapacity];
for (int i =0;i<size;i++){
newData[i]=data[i];
}
data=newData;
}
public static int sum(int[] nums){
int sum=0;
for (int num:nums) sum += num;
return sum;
//這個(gè)算法是時(shí)間復(fù)雜度為O(n);
//n是nums中的元素個(gè)數(shù)
//算法和n呈線性關(guān)系
}
為什么要用大O,叫做O(n)?
- 忽略常數(shù),實(shí)際時(shí)間T=c1*n+c2
- c1:對(duì)每個(gè)數(shù)操作花費(fèi)的時(shí)間
- c2:開辟空間,return 數(shù)據(jù)等之類的時(shí)間就是c2
- O(n) 漸進(jìn)時(shí)間復(fù)雜度
- O(n2) 描述n趨近于無窮的情況
高階算法的常數(shù)比較低,可能速度快于低階算法。
無論歸并排序 還是快速排序 都可以比較小的數(shù)組 使用插入排序優(yōu)化??梢蕴嵘?0%的性能。 插入排序算法的常數(shù)比歸并算法 和快速算法的常數(shù)要小的。
- addLast(e) O(1) 常數(shù)時(shí)間
- addFirst(e) O(n)
- add(index,e) 算時(shí)間復(fù)雜度的期望。用概率論知識(shí)。 O(n/2)=O(n)
- removeLast(e) O(1) 常數(shù)時(shí)間
- removeFirst(e) O(n)
- remove(index,e) 算時(shí)間復(fù)雜度的期望。用概率論知識(shí)。 O(n/2)=O(n)
set(index,e) O(1) 支持隨機(jī)訪問
- get(Index) O(1)
- contains(e) O(n)
- find(e) O(n)
####### resize 的復(fù)雜度分析
假設(shè) 容量=n,n+1次addLast,觸發(fā)resize,總共進(jìn)行2n+1次基本操作,平均每次操作addLast操作,進(jìn)行2次基本操作 (均攤復(fù)雜度)
復(fù)雜度震蕩
當(dāng)我們 同時(shí)addLast 和removeLast操作
當(dāng)容量為n 時(shí), 添加第n+1個(gè)元素是 會(huì)擴(kuò)容 調(diào)用resize.此后又刪除一個(gè)元素 調(diào)用縮容方法。
出現(xiàn)問題的原因:removeLast時(shí)resize 過于周幾
解決方法:Lazy
當(dāng)size == 容量/4時(shí),容量才減半