数组是非常基础的数据结构,数组就是用一块连续的内存空间来存储相同类型的一组数据,最大的特点就是支持随机访问,但是插入和删除操作就很低效了,头部插入会对插入后面的数据进行移动,平均情况时间复杂度为O(n).
这里就不再特别详细的介绍数组了,相信只要学过编程的人都知道数组.
从数组存储的内存模型来看,“下标”最确切的定义应该是”偏移”,如果用a来表示数组的首地址,a0 就是偏移为0的位置,也就是首地址,a k就表示偏移k个type_size的位置,a的内存地址公式就是_
a[k]_address = base_address + k * type_size
但是,如果数组从 1 开始计数,那我们计算数组元素 a的内存地址公式就是
a[k]_address = base_address + (k-1)*type_size
这两个公式对比,不难发现,每次随机访问数组如果从1开始计数都多了一次减法运算,对CPU来说就多了减法指令.就是为了减少一次减法操作,数组从0开始编号而不是从1开始编号.
摘自: 极客时间:《数据结构与算法之美》
我们常见的数组都是指定固定的类型和固定的大小,并不支持动态的类型和动态扩容,动态数组如何实现的呢? 类似java中的ArrayList 就是动态数组的实现,关于动态数组的源码大家可以看我的另一篇文章分析: 数据结构之表的总结
下面我们直接看动态数组的代码实现如下:
/**
* 数组结构
*/
public class Array<T> {
private T[] data;
private int size;
public Array(int capacity) {
data = (T[]) new Object[capacity];
size = 0;
}
public Array() {
this(10);
}
public int getSize() {
return size;
}
public int getCapacity() {
return data.length;
}
public boolean isEmpty() {
return size == 0;
}
//O(1)
public void addLast(T e) {
add(size, e);
}
//O(n)
public void addFirst(T e) {
add(0, e);
}
//添加元素 O(n)
public void add(int index, T e) {
if (index < 0 || index > size) {
throw new IllegalArgumentException("add error request index < 0 || index > capacity");
}
if (size == data.length) {
//数组空间的扩容 为原来的两倍
resize(2 * data.length);
}
for (int i = size - 1; i >= index; i--) {
data[i + 1] = data[i];
}
data[index] = e;
size++;
}
//动态数组 使数组的容量可伸缩的,开创新的数组 将旧的数组全部放到新数组中。改变旧数组的指向新的空间
private void resize(int newCapacity) {
T[] newData = (T[]) new Object[newCapacity];
for (int i = 0; i < size; i++) {
newData[i] = data[i];
}
data = newData;
}
//O(n)
public T removeFirst() {
return remove(0);
}
//O(1)
public T removeLast() {
return remove(size - 1);
}
//数组中存在一个元素e 只删除一个
public boolean removeElement(T e) {
int index = find(e);
if (index != -1) {
remove(index);
return true;
}
return false;
}
//删除所有重复的元素
public boolean removeElementAll(T e) {
return removeAll(e);
}
private boolean removeAll(T e) {
int index = find(e);
if (index == -1) {
return true;
}
remove(index);
removeAll(e);
return false;
}
//删除某个索引
public synchronized T remove(int index) {
if (index < 0 || index >= size) {
throw new IllegalArgumentException("add error request index < 0 || index > size");
}
T e = data[index];
for (int i = index; i < size - 1; i++) {
data[i] = data[i + 1];
}
size--;
data[size] = null;
//如果当前的元素个数已经小到了一个程度 1/2 的程度则缩小容量
//为了防止出现震荡的情况 如:位于扩容与缩容临界点 不断的添加或者删除 就会不断的扩容和缩容,时间复杂度都是O(n)
//所以将元素的个数达到总容量的1/4时才进行缩容 到总容量的一半 可以有效的防止上述的临界点的问题
if (size == data.length / 4 && data.length / 2 != 0) {
resize(data.length / 2);
}
return e;
}
//获取某个元素
public T get(int index) {
if (index < 0 || index >= size) {
throw new IllegalArgumentException("add error request index < 0 || index > size");
}
return data[index];
}
//更新某个元素
public void set(int index, T e) {
if (index < 0 || index >= size) {
throw new IllegalArgumentException("add error request index < 0 || index > size");
}
data[index] = e;
}
//是否存在某个元素
public boolean contains(T e) {
for (int i = 0; i < size; i++) {
if (data[i].equals(e)) {
return true;
}
}
return false;
}
//找到元素的索引
public int find(T e) {
for (int i = 0; i < size; i++) {
if (data[i].equals(e)) {
return i;
}
}
return -1;
}
//找到所有重复的元素
public int[] findAll(T e) {
int[] indexs = new int[size];
int k = 0;
for (int i = 0; i < size; i++) {
if (data[i].equals(e)) {
indexs[k] = i;
k++;
} else {
indexs[k] = -1;
k++;
}
}
return indexs;
}
@Override
public String toString() {
StringBuffer res = new StringBuffer();
res.append(String.format("Array:size:%d,capacity:%d\n", size, data.length));
res.append("[");
for (int i = 0; i < size; i++) {
res.append(data[i]);
if (i != size - 1) {
res.append(",");
}
}
res.append("]");
return res.toString();
}
}