我理解的数据结构(六)—— 集合和映射(Set And Map)

一、集合

1.典型应用场景

  • 客户统计
  • 词汇量统计

2.集合接口

public interface Set<E> {
    // 集合不存放相同元素
    void add(E e);
    // 删除元素
    void remove(E e);
    // 是否包含某个元素
    boolean contains(E e);
    // 总元素个数
    int getSize();
    // 集合是否为空
    boolean isEmpty();
}

3.基于二分搜索树的集合

关于二分搜索树的底层实现,大家可以去看我的另一篇文章:BST
public class BSTSet<E extends Comparable<E>> implements Set<E> {

    private BST<E> bst;

    public BSTSet() {
        bst = new BST<>();
    }

    @Override
    public void add(E e) {
        bst.add(e);
    }

    @Override
    public void remove(E e) {
        bst.remove(e);
    }

    @Override
    public boolean contains(E e) {
        return bst.contains(e);
    }

    @Override
    public int getSize() {
        return bst.getSize();
    }

    @Override
    public boolean isEmpty() {
        return bst.isEmpty();
    }

}

4.基于链表的集合

关于链表的底层实现,大家可以去看我的另一篇文章:LinkedList
public class LinkedListSet<E> implements Set<E> {

    private LinkedList<E> list;

    public LinkedListSet() {
        list = new LinkedList<>();
    }

    @Override
    public void add(E e) {
        if (!list.contains(e)) {
            list.addFirst(e);
        }
    }

    @Override
    public void remove(E e) {
        list.removeElement(e);
    }

    @Override
    public int getSize() {
        return list.getSize();
    }

    @Override
    public boolean contains(E e) {
        return list.contains(e);
    }

    @Override
    public boolean isEmpty() {
        return list.isEmpty();
    }

}

5.BSTSetLinkedListSet复杂度分析

\ LinkedListSet BSTSet
add O(n) O(h)
contains O(n) O(h)
remove O(n) O(h)
注:h为二分搜索树的高度,nh是什么关系呢?

假设二分搜索树是一颗满树:
那么:n = 2^0 + 2^1 + ... + 2^(h-1) = 2^h - 1
即:h = log2(n + 1)
因为这是我们假设的一种情况,真实情况种可能二分搜索树并不是一颗满树,所以这是一个平均复杂度,又在复杂度分析中可以不去考虑log的底,所以LinkedListSetBSTSet的复杂度如下:

\ LinkedListSet BSTSet
add O(n) O(logn) 平均
contains O(n) O(logn) 平均
remove O(n) O(logn) 平均

6.LeetCode中有关集合的问题
6.1 题目:
804. 唯一摩尔斯密码词
6.2 描述:

国际摩尔斯密码定义一种标准编码方式,将每个字母对应于一个由一系列点和短线组成的字符串, 比如: "a" 对应 ".-", "b" 对应 "-...", "c" 对应 "-.-.", 等等。

为了方便,所有26个英文字母对应摩尔斯密码表如下:

[".-","-...","-.-.","-..",".","..-.","--.","....","..",".---","-.-",".-..","--","-.","---",".--.","--.-",".-.","...","-","..-","...-",".--","-..-","-.--","--.."]

给定一个单词列表,每个单词可以写成每个字母对应摩尔斯密码的组合。例如,"cab" 可以写成 "-.-.-....-",(即 "-.-." + "-..." + ".-"字符串的结合)。我们将这样一个连接过程称作单词翻译。

返回我们可以获得所有词不同单词翻译的数量。

6.3例子:

例如:
输入: words = ["gin", "zen", "gig", "msg"]
输出: 2
解释: 
各单词翻译如下:
"gin" -> "--...-."
"zen" -> "--...-."
"gig" -> "--...--."
"msg" -> "--...--."

共有 2 种不同翻译, "--...-." 和 "--...--.".

6.4解决代码如下:

import java.util.TreeSet;
class Solution {
    public int uniqueMorseRepresentations(String[] words) {

        // 摩斯密码
        String[] code = {".-","-...","-.-.","-..",".","..-.","--.","....","..",".---","-.-",".-..","--","-.","---",".--.","--.-",".-.","...","-","..-","...-",".--","-..-","-.--","--.."};

        TreeSet<String> set = new TreeSet<>();

        for (String word : words) {

            // 每个单词的莫斯密码
            StringBuilder res = new StringBuilder();
            for (int i = 0; i < word.length(); i++) {
                Character c = word.charAt(i);
                res.append(code[c - 'a']);
            }
            set.add(res.toString());

        }

        return set.size();
    }
}

二、映射

1.映射基础:

  • 存储(键、值)数据对的数据结构(key、value)
  • 根据键(key),寻找值(value

2.映射接口

public interface Map<K, V> {
    // 添加键值对
    void add(K key, V value);
    // 根据键,移除值
    V remove(K key);
    // 是否包含某个键值对
    boolean contains(K key);
    // 根据键,获取值
    V get(K key);
    // 设置键值对
    void set(K key, V value);
    // 键值对个数
    int getSize();
    // map是否为空
    boolean isEmpty();
}

3.基于链表的映射

public class LinkedListMap<K, V> implements Map<K, V> {

    // 节点
    private class Node {
        // 存储key
        public K key;
        // 存储的value
        public V value;
        // 下一个节点
        public Node next;

        public Node(K key, V value, Node node) {
            this.key = key;
            this.value = value;
            this.next = node;
        }

        public Node(K key) {
            this(key, null, null);
        }

        public Node() {
            this(null, null, null);
        }

        @Override
        public String toString() {
            return key.toString() + ':' + value.toString();
        }
    }

    private int size;
    private Node dummyHead;

    public LinkedListMap() {
        size = 0;
        dummyHead = new Node();
    }

    @Override
    public int getSize() {
        return size;
    }

    @Override
    public boolean isEmpty() {
        return size == 0;
    }

    // 通过key获取对应的node节点
    private Node getNode(K key) {
        Node curNode = dummyHead.next;

        while (curNode != null) {
            if (curNode.key.equals(key)) {
                return curNode;
            } else {
                curNode = curNode.next;
            }
        }

        return null;
    }

    @Override
    public boolean contains(K key) {
        return getNode(key) != null;
    }

    @Override
    public V get(K key) {
        Node node = getNode(key);
        return node == null ? null : node.value;
    }

    @Override
    public void add(K key, V value) {

        Node node = getNode(key);

        if (node != null) {
            node.value = value;
        } else {
            dummyHead.next = new Node(key, value, dummyHead.next);
            size++;
        }
    }

    @Override
    public void set(K key, V value) {
        Node node = getNode(key);

        if (node == null) {
            throw new IllegalArgumentException(key + "is not exists");
        } else {
            node.value = value;
        }
    }

    @Override
    public V remove(K key) {
        Node prev = dummyHead.next;
        while (prev != null) {
            if (prev.next.key.equals(key)) {
                break;
            } else {
                prev = prev.next;
            }
        }

        if (prev.next != null) {
            Node delNode = prev.next;
            prev.next = delNode.next;
            delNode.next = null;
            size--;
            return delNode.value;
        }

        return null;
    }
}

4.基于二分搜索树的映射

public class BSTMap<K extends Comparable<K>, V> implements Map<K, V> {

    // 节点
    private class Node {
        public K key;
        public V value;
        public Node left;
        public Node right;

        public Node(K key, V value) {
            this.key = key;
            this.value = value;
            left = null;
            right = null;
        }
    }

    private int size;
    private Node root;

    public BSTMap() {
        size = 0;
        root = null;
    }

    @Override
    public int getSize() {
        return size;
    }

    @Override
    public boolean isEmpty() {
        return size == 0;
    }

    @Override
    public void add(K key, V value) {
        root = add(root, key, value);
    }

    // 向以node为根的二分搜索树中插入元素(key,value)
    private Node add(Node node, K key, V value) {

        if (node == null) {
            size++;
            return new Node(key, value);
        }

        if (node.key.compareTo(key) < 0) {
            node.right = add(node.right, key, value);
        } else if (node.key.compareTo(key) > 0) {
            node.left = add(node.left, key, value);
        } else { // node.key.compareTo(key) == 0
            node.value = value;
        }

        return node;
    }

    // 返回以node为根节点的二分搜索树中指定key值的Node
    private Node getNode(Node node, K key) {

        if (node == null) {
            return null;
        }

        if (node.key.compareTo(key) == 0) { // 找到指定的节点
            return node;
        } else if (node.key.compareTo(key) < 0) {
            return getNode(node.right, key);
        } else { // node.key.compareTo(key) > 0
            return getNode(node.left, key);
        }
    }

    @Override
    public boolean contains(K key) {
        return getNode(root, key) != null;
    }

    @Override
    public V get(K key) {
        Node node = getNode(root, key);
        return node == null ? null : node.value;
    }

    @Override
    public void set(K key, V value) {
        Node node = getNode(root, key);
        if (node == null) {
            throw new IllegalArgumentException(key + "is not exists");
        }

        node.value = value;
    }

    @Override
    public V remove(K key) {

        Node node = getNode(root, key);

        if (node != null) {
            root = remove(root, key);
            return node.value;
        }
        return null;
    }

    // 删除二分搜索树以node为最小值的节点
    // 返回删除节点后的新的二分搜索树的根
    private Node removeMin(Node node) {

        // 找到需要删除的节点
        if (node.left == null) {
            Node rightNode = node.right;
            node.right = null;
            size--;
            return rightNode;
        }

        node.left = removeMin(node.left);
        return node;
    }

    // 返回以node为根的二分搜索树的最小值的节点
    private Node minimum(Node node) {

        if (node.left == null) {
            return node;
        }
        return minimum(node.left);
    }

    private Node remove(Node node, K key) {

        if (node == null) {
            return null;
        }

        if (node.key.compareTo(key) > 0) {
            node.left = remove(node.left, key);
            return node;
        } else if (node.key.compareTo(key) < 0) {
            node.right = remove(node.right, key);
            return node;
        } else { // e == node.e

            if (node.left == null) { // 左子树为空
                Node rightNode = node.right;
                node.right = null;
                size--;
                return rightNode;
            }
            if (node.right == null) { // 右子树为空
                Node leftNode = node.left;
                node.left = null;
                size--;
                return leftNode;
            }
            // node的后继
            Node successor = minimum(node.right);
            // 把删除node.right的后继后的二叉树赋值给后继的right
            successor.right = removeMin(node.right);
            // 把node.left赋值给后继的left
            successor.left = node.left;

            node.left = node.right = null;

            return successor;
        }

    }
}

5.映射的复杂度分析

\ LinkedListMap BSTMap
add O(n) O(logn) 平均
remove O(n) O(logn) 平均
set O(n) O(logn) 平均
get O(n) O(logn) 平均
contains O(n) O(logn) 平均

三、集合和映射的关系

从上面的代码可以看出,其实映射也是一个集合,只不过是携带了一个value而已,本质和集合没有太大的区别。

四、两个LeetCode上集合和映射的问题

349. 两个数组的交集
题目地址:
349. 两个数组的交集
描述:
给定两个数组,编写一个函数来计算它们的交集。
例子:
输入: nums1 = [1,2,2,1], nums2 = [2,2]
输出: [2]
代码:

import java.util.ArrayList;
import java.util.TreeSet;
public class Solution {
    // 349. 两个数组的交集
    public int[] intersection(int[] nums1, int[] nums2) {

        TreeSet<Integer> set = new TreeSet<>();

        for (int num : nums1) {
            set.add(num);
        }

        ArrayList<Integer> list = new ArrayList<>();
        for (int num : nums2) {
            if (set.contains(num)) {
                list.add(num);
                set.remove(num);
            }
        }

        int[] arr = new int[list.size()];
        for (int i = 0; i < list.size(); i++) {
            arr[i] = list.get(i);
        }
        return arr;
    }

}

350. 两个数组的交集 II
题目地址:
350. 两个数组的交集 II
描述:
给定两个数组,编写一个函数来计算它们的交集。
例子:
输入: nums1 = [1,2,2,1], nums2 = [2,2]
输出: [2,2]
代码:

import java.util.ArrayList;
import java.util.TreeMap;
public class Solution {

    // 350. 两个数组的交集 II
    public int[] intersect(int[] nums1, int[] nums2) {

        TreeMap<Integer, Integer> map = new TreeMap<>();

        for (int num : nums1) {
            if (map.containsKey(num)) {
                map.put(num, map.get(num) + 1);
            } else {
                map.put(num, 1);
            }
        }

        ArrayList<Integer> list = new ArrayList<Integer>();
        for (int num : nums2) {
            if (map.containsKey(num)) {
                list.add(num);
                int count = map.get(num);
                map.put(num, --count);
                if (count == 0) {
                    map.remove(num);
                }
            }
        }

        int[] arr = new int[list.size()];
        for (int i = 0; i < list.size(); i++) {
            arr[i] = list.get(i);
        }
        return arr;

    }

}

罗纳尔多Coder
300 声望33 粉丝

everyday hardwork ? 1.1^365 : 0.9^365