注:本文的学习是基于对于数据结构栈与队列、堆有一定基础上的,未学习相关知识的读者可以移步学习数据结构部分相关内容。
C++中的stack模拟了数据结构栈的特性,具有先进后出的特性,数据进出都只从一边进出。(在前面string与vector学习的基础上,我们对于STL相关接口已经非常熟悉,因此,本文不在详细介绍相关接口。
函数说明 | 接口说明 |
---|---|
stack() | 构造空的栈 |
empty() | 检测stack是否为空 |
size() | 返回stack中元素的个数 |
top() | 返回栈顶元素的引用 |
push() | 将元素val压入stack中 |
pop() | 将stack中尾部的元素弹出 |
翻译: 1. 队列是一种容器适配器,专门用于在FIFO上下文(先进先出)中操作,其中从容器一端插入元 素,另一端提取元素。 2. 队列作为容器适配器实现,容器适配器即将特定容器类封装作为其底层容器类,queue提供 一组特定的成员函数来访问其元素。元素从队尾入队列,从队头出队列。 3. 底层容器可以是标准容器类模板之一,也可以是其他专门设计的容器类。该底层容器应至少 支持以下操作: empty:检测队列是否为空 size:返回队列中有效元素的个数 front:返回队头元素的引用 back:返回队尾元素的引用 push_back:在队列尾部入队列 pop_front:在队列头部出队列 4. 标准容器类deque和list满足了这些要求。默认情况下,如果没有为queue实例化指定容器 类,则使用标准容器deque。
C++中queue同样模拟了数据结构中队列,具有先进先出的特性,数据从一边进,从另一边出。
函数声明 | 接口说明 |
---|---|
queue() | 构造空的队列 |
empty() | 检测队列是否为空,是返回true,否则返回false |
size() | 返回队列中有效元素的个数 |
front() | 返回队头元素的引用 |
back() | 返回队尾元素的引用 |
push() | 在队尾将元素val入队列 |
pop() | 将队头元素出队列 |
适配器是一种设计模式(设计模式是一套被反复使用的、多数人知晓的、经过分类编目的、代码设计经验的总结,我们之前所使用的迭代器iterator就是一种设计模式,不过设计模式相对在Java中运用更多,C++中较少。),该种模式是将一个类的接口转换成客户希望的另外一个接口。就像我们日常的插座,我们给手机充电不可能直接使用220V的交流电压,我们都是通过插座将交流电转换为我们所需要的电流。 因此STL中很多接口就是在其他已实现的接口的基础上封装而来,这样的代码复用就可以节省大量的资源。 同时对应的接口实现内部细节我们不需要再考虑具体的类型,因为是在已实现的接口基础上实现的,对应的类对象会自己调用自己对应类型的接口,这也体现了泛型编程的思想
C++中的底层结构无非是数组或者链式结构,观察stack与queue的特征,我们发现这两者最突出的特点无非是先进先出与先进后出,其他与vector与list并无区别。
那么在vector与list(数组与链式结构)封装的非常完善的条件下,我们还有必要在数组与链表的结构基础上再封装stack与queue吗?显然不再需要了。
那么这里我们就运用到我们上面提到过的适配器的思想,我们再将vector与list封装一下,将接口转变成我们期待的符合先进先出与先进后出的形式就可以了。
所以虽然stack和queue中也可以存放元素,但在STL中并没有将其划分在容器的行列,而是将其称为容器适配器,这是因为stack和队列只是对其他容器的接口进行了包装,但是查阅文档我们又发现STL中stack和queue默认使用deque?为什么STL底层使用的不是vector与list,deque又是什么呢?
deque(双端队列):是一种双开口的"连续"空间的数据结构, 双开口的含义是:可以在头尾两端进行插入和删除操作,且时间复杂度为O(1),与vector比较,头插效率高,不需要搬移元素;与list比较,空间利用率比较高。 注:deque与队列没有明确的联系,不需要满足先进先出的特点。
deque并不是真正连续的空间,而是由一段段连续的小空间拼接而成的,本质上就是数组与链表的"缝合怪",deque类似于一个动态的二维数组,其底层结构如下图所示:
deque有一块大的中控指针数组,数组中的每一块指针又管理着一块buff数组空间用来存储数据,每一块buff数组长度相等,deque中控数组以中间分界,当我们对deque进行尾插时,会先开辟一块buff空间,然后将这块空间的地址向中控数组中间往右插入;如果头插,则将地址中间向左插入。如果删除数据,我们释放对应buff空间,再删除中控数组中对应指针。当中控数组中的空间装满,我们就开辟一块更大的中控数组,然后将原来中控数组中的指针拷贝过来,这个过程当中,我们对buff不做任何处理。
deque也支持[]访问,[]的重载底层是通过除法来完成的,buff数组的长度一直,我们先/N可以确定是哪一块buff数组,然后再%N,我们确定的是数组中哪一个数。
双端队列底层是一段假象的连续空间,实际是分段连续的,为了维护其“整体连续”以及随机访问的假象的责任,落在了deque的迭代器身上,因此deque的迭代器设计就比较复杂,如下图所示:
deque迭代器内部封装了四个指针,node指向buff对应在中控数组中的指针,first指向数组的开始位置,last指向数组的尾,cur用来遍历访问buff数组。
那deque是如何借助其迭代器维护其假想连续的结构呢?
deque类本身封装了四个对象,start迭代器中的node指针用来指向中控器内的第一个数组指针,start内的first指向对应buff数组的内第一个数据,last指向数组尾,first内的node指针指向中控器内的最后一个数组指针,内部其他指针行为与start相同,start与first共同管理中控器中数据。map指针用来指向中控数组,map_size用来记录中控器数据个数。
迭代器++会先通过cur==last判断当前buff数组是否遍历完了,如果遍历完,通过node移动迭代器到下一数组(更新迭代器内指针的指向)。
deque的尾插,首先会找到finish指向的buff数组,如果空间足够,我们直接在数组后面插入数据,那如果数组空间不够呢?通常我们会想到重新开辟一块更大的数组再将原数组中数据拷贝到新数组中,但是我们这里一定要注意deque的buff数组长度控制相同(原因下文解释),因此,这里我们直接开辟一块新buff数组,然后我们将finish(iterator)的node指向新开辟的数组,将剩余数据插入到新数组中。
deque的头插,先查看左边数组是否有空间,如果没有就开辟新数组,同样改变start(iterator)内node指向,需要注意的是头插时候的数据是从数组的尾向头增长的,first指向数组开始,last指向数组尾,cur也是从数组尾向前移动的。
对于deque的中间插入,我们先找到对应buff数组,然在buff中间位置插入数据,然后这里问题就出现了,如果数据是满的,我们插入数据,是改变buff数组长度,还是重新开辟新数组,然后将插入位置之后的所有数据(包括该buff之后的其他buff的所有数据)?如果我们选择前一种,那么我们只需要改变对应一个buff数组,但是会导致不同buff长度不一致,那么对于像++、+=这样依赖除法实现的功能,我们再想实现,就需要知道前一个buff的长度,原来总的数据个数等等,这样以来,这些接口性能会大幅下降;我们保证buff长度不变,那么就需要挪动大量的数据,这样中间插入接口的性能就非常低了。最终我们发现sgi版本中选择牺牲中间插入接口的性能。
与vector比较,deque的优势是:头部插入和删除时,不需要搬移元素,效率特别高,而且在扩 容时,也不需要搬移大量的元素,因此其效率是比vector高的,并且deque的下标随机访问也还不错,相比vector稍逊一筹(vector下标直接移动,deque需要通过复杂除法计算)。 与list比较,listd底层是多块细碎的空间,deque底层空间较长,没那么碎片化,空间利用率比较高,不需要存储额外字段。 但是,deque有致命缺陷:1.不适合遍历,因为在遍历时,deque的迭代器要频繁的去检测其 是否移动到某段小空间的边界,导致效率低下,而序列式场景中,可能需要经常遍历,2.此外对于需要频繁中间插入的情况,deque需要移动依次按序移动多个连续buff空间内数据,效率非常低下
因此在实际中,需要线性结构时,大多数情况下优先考虑vector和list,deque的应用并不多,而目前能看到的一个应用就是,STL用其作为stack和queue的底层数据结构。
stack是一种后进先出的特殊线性数据结构,因此只要具有push_back()和pop_back()操作的线性 结构,都可以作为stack的底层容器,比如vector和list都可以;queue是先进先出的特殊线性数据 结构,只要具有push_back和pop_front操作的线性结构,都可以作为queue的底层容器,比如 list。但是STL中对stack和queue默认选择deque作为其底层容器,主要是因为: 1. stack和queue不需要遍历(因此stack和queue没有迭代器),只需要在固定的一端或者两端进 行操作。且不需要考虑频繁的中间插入情况。 2. 在stack中元素增长时,deque比vector的效率高(扩容时不需要搬移大量数据);queue中的 元素增长时,deque不仅效率高,而且内存使用率高。
#include<deque>
namespace zlr
{
template<class T, class Container = deque<T>>
class stack
{
public:
void push(const T& x)
{
_con.push_back(x);
}
void pop()
{
_con.pop_back();
}
const T& top() const
{
return _con.back();
}
size_t size() const
{
return _con.size();
}
bool empty() const
{
return _con.empty();
}
private:
Container _con;//自定义对象调用自己的析构和构造函数,我们不需要写
};
}
#include<deque>
#include <list>
namespace zlr
{
template<class T, class Container = deque<T>>
class queue
{
public:
void push(const T& x)
{
_con.push_back(x);
}
void pop()
{
_con.pop_front();
}
const T& front() const
{
return _con.front();
}
const T& back() const
{
return _con.back();
}
size_t size() const
{
return _con.size();
}
bool empty() const
{
return _con.empty();
}
private:
Container _con;
};
}
翻译: 1. 优先队列是一种容器适配器,根据严格的弱排序标准,它的第一个元素总是它所包含的元素 中最大的。 2. 此上下文类似于堆,在堆中可以随时插入元素,并且只能检索最大堆元素(优先队列中位于顶 部的元素)。 3. 优先队列被实现为容器适配器,容器适配器即将特定容器类封装作为其底层容器类,queue 提供一组特定的成员函数来访问其元素。元素从特定容器的“尾部”弹出,其称为优先队列的 顶部。 4. 底层容器可以是任何标准容器类模板,也可以是其他特定设计的容器类。容器应该可以通过 随机访问迭代器访问,并支持以下操作: empty():检测容器是否为空 size():返回容器中有效元素个数 front():返回容器中第一个元素的引用 push_back():在容器尾部插入元素 pop_back():删除容器尾部元素
5. 标准容器类vector和deque满足这些需求。默认情况下,如果没有为特定的priority_queue 类实例化指定容器类,则使用vector。 6. 需要支持随机访问迭代器,以便始终在内部保持堆结构。容器适配器通过在需要时自动调用 算法函数make_heap、push_heap和pop_heap来自动完成此操作。
优先级队列本质上就是我们熟知的堆排序和堆,跟队列没有什么关系(设计者这样命名是出于应用层的考虑),它的底层也不是堆(STL中只有堆排序Heap)
优先级队列默认使用vector作为其底层存储数据的容器,在vector上又使用了堆排序算法将vector中元素构造成堆的结构,因此priority_queue就是堆,所有需要用到堆的位置,都可以考虑使用 priority_queue。注意:默认情况下priority_queue是大堆。
函数声明 | 接口说明 |
---|---|
priority_queue()/priority_queue(first,last) | 构造一个空的优先级队列 |
empty( ) | 检测优先级队列是否为空,是返回true,否则返回false |
top( ) | 返回优先级队列中最大(最小元素),即堆顶元素 |
push(x) | 在优先级队列中插入元素x |
pop() | 删除优先级队列中最大(最小)元素,即堆顶元素 |
#include <vector>
#include <queue>
#include <functional> // greater算法的头文件
void TestPriorityQueue()
{
// 默认情况下,创建的是大堆,其底层按照小于号比较
vector<int> v{ 3,2,7,6,0,4,1,9,8,5 };
priority_queue<int> q1;
for (auto& e : v)
q1.push(e);
cout << q1.top() << endl;
// 如果要创建小堆,将第三个模板参数换成greater比较方式
priority_queue<int, vector<int>, greater<int>> q2(v.begin(), v.end());
cout << q2.top() << endl;
}
之前学习类的时候,我们了解到如果类中没有成员变量,类的对象大小是1,这样的类叫做空类,
这里的仿函数就是这样的空类。
//仿函数:本质是一个类,这个类重载operator(),他的对象可以像函数一样使用
template<class T>
class Less//仿函数
{
public:
bool operator()(const T& x, const T& y)
{
return x < y;
}
};
template<class T>
class Greater//仿函数
{
public:
bool operator()(const T& x, const T& y)
{
return x > y;
}
};
//< 升序
//> 降序
template<class Compare>
void BubbleSort(int* a, int n, Compare com)
{
for (int j = 0; j < n; j++)
{
// 单趟
int flag = 0;
for (int i = 1; i < n - j; i++)
{
//if (a[i] < a[i - 1])
if (com(a[i], a[i - 1]))//通过仿函数,这里的比较逻辑
{ //我们就可以通过传比较器(仿函数)控制
swap(a[i - 1], a[i]);
flag = 1;
}
}
if (flag == 0)
{
break;
}
}
}
int main()
{
Less<int> LessFunc;
Greater<int> GreaterFunc;
// 函数对象
cout << LessFunc(1, 2) << endl;//仿函数的类可以像函数一样使用
cout << LessFunc.operator()(1, 2) << endl;
int a[] = { 9,1,2,5,7,4,6,3 };
BubbleSort(a, 8, LessFunc);//传入比较器(仿函数)控制内部的比较逻辑
BubbleSort(a, 8, GreaterFunc);
BubbleSort(a, 8, Less<int>());//上面的使用方法太麻烦,这里可以使用匿名对象
BubbleSort(a, 8, Greater<int>());
return 0;
}
仿函数的作用就是作为比较器,让使用者根据需要传入对应的比较器(仿函数),自主选择比较逻辑
1.如果在priority_queue中放自定义类型的数据,本身的自定义类型不支持自定义类型,用户需要在自定义类型中提供> 或者< 的重载(仿函数)。 2.库中提供的仿函数的比较逻辑不是我们想要的,如下图日期类的比较,库中的比较逻辑比的是地址,不是我们想要的数值大小的比较,这时候我们也需要手动写一下仿函数
class Date
{
public:
Date(int year = 1900, int month = 1, int day = 1)
: _year(year)
, _month(month)
, _day(day)
{}
bool operator<(const Date& d)const
{
return (_year < d._year) ||
(_year == d._year && _month < d._month) ||
(_year == d._year && _month == d._month && _day < d._day);
}
bool operator>(const Date& d)const
{
return (_year > d._year) ||
(_year == d._year && _month > d._month) ||
(_year == d._year && _month == d._month && _day > d._day);
}
friend ostream& operator<<(ostream& _cout, const Date& d)
{
_cout << d._year << "-" << d._month << "-" << d._day;
return _cout;
}
private:
int _year;
int _month;
int _day;
};
void TestPriorityQueue()
{
// 大堆,需要用户在自定义类型中提供<的重载
priority_queue<Date> q1;
q1.push(Date(2018, 10, 29));
q1.push(Date(2018, 10, 28));
q1.push(Date(2018, 10, 30));
cout << q1.top() << endl;
// 如果要创建小堆,需要用户提供>的重载
priority_queue<Date, vector<Date>, greater<Date>> q2;
q2.push(Date(2018, 10, 29));
q2.push(Date(2018, 10, 28));
q2.push(Date(2018, 10, 30));
cout << q2.top() << endl;
}
class Date
{
friend ostream& operator<<(ostream& _cout, const Date& d);
public:
Date(int year = 1900, int month = 1, int day = 1)
: _year(year)
, _month(month)
, _day(day)
{}
bool operator<(const Date& d)const
{
return (_year < d._year) ||
(_year == d._year && _month < d._month) ||
(_year == d._year && _month == d._month && _day < d._day);
}
bool operator>(const Date& d)const
{
return (_year > d._year) ||
(_year == d._year && _month > d._month) ||
(_year == d._year && _month == d._month && _day > d._day);
}
private:
int _year;
int _month;
int _day;
};
ostream& operator<<(ostream& _cout, const Date& d)
{
_cout << d._year << "-" << d._month << "-" << d._day;
return _cout;
}
class DateLess
{
public:
bool operator()(Date* p1, Date* p2)
{
return *p1 < *p2;
}
};
// 1、类类型不支持比较大小
// 2、支持比较大小,但是比较的逻辑不是你想要的
// 需要自己实现仿函数
priority_queue<Date*, vector<Date*>, DateLess> q2;
priority_queue<Date*> q2;
q2.push(new Date(2018, 10, 29));
q2.push(new Date(2018, 10, 28));
q2.push(new Date(2018, 10, 30));
cout << *q2.top() << endl;
q2.pop();
cout << *q2.top() << endl;
q2.pop();
cout << *q2.top() << endl;
q2.pop();
priority_queue<int*> q3;
q3.push(new int(2));
q3.push(new int(1));
q3.push(new int(3));
cout << *q3.top() << endl;
q3.pop();
cout << *q3.top() << endl;
q3.pop();
cout << *q3.top() << endl;
q3.pop();
class Solution {
public:
int findKthLargest(vector<int>& nums, int k) {
// 将数组中的元素先放入优先级队列中
priority_queue<int> p(nums.begin(), nums.end());
// 将优先级队列中前k-1个元素删除掉
for (int i = 0; i < k - 1; ++i)
{
p.pop();
}
return p.top();
}
};
根据堆堆顶数最大或最小的特性,我们容易从一堆数中找到前最大或最小的几个数。
通过对priority_queue的底层结构就是vector的接口分装加上堆排序相关的向上和向下调整算法(相关内容不了解的读者可以不先去了解堆排序,由于内容一致,笔者这里就不再赘叙了,堆相关内容),因此此处只需对对进行通用的封装即可。
(因为建堆算法与堆排序都会涉及大量中间数值的移动,deque中间移动效率非常低下,因此底层使用vector) 优先级队列的模拟实现
namespace zlr
{
// 默认是大堆
template<class T, class Container = vector<T>, class Compare = Less<T>>
class priority_queue
{
public:
void AdjustUp(int child)//向上调整算法
{
Compare com;
int parent = (child - 1) / 2;
while (child > 0)
{
//if (_con[parent] < _con[child])
if (com(_con[parent], _con[child]))
{
swap(_con[child], _con[parent]);
child = parent;
parent = (child - 1) / 2;
}
else
{
break;
}
}
}
void push(const T& x)
{
_con.push_back(x);
AdjustUp(_con.size() - 1);
}
void AdjustDown(int parent)//向下调整算法
{
// 先假设左孩子小
size_t child = parent * 2 + 1;
Compare com;
while (child < _con.size()) // child >= n说明孩子不存在,调整到叶子了
{
// 找出小的那个孩子
//if (child + 1 < _con.size() && _con[child] < _con[child + 1])
if (child + 1 < _con.size() && com(_con[child], _con[child + 1]))
{
++child;
}
//if (_con[parent] < _con[child])
if (com(_con[parent], _con[child]))
{
swap(_con[child], _con[parent]);
parent = child;
child = parent * 2 + 1;
}
else
{
break;
}
}
}
void pop()
{
swap(_con[0], _con[_con.size() - 1]);
_con.pop_back();
AdjustDown(0);
}
const T& top()
{
return _con[0];
}
size_t size() const
{
return _con.size();
}
bool empty() const
{
return _con.empty();
}
private:
Container _con;
};
}
扫码关注腾讯云开发者
领取腾讯云代金券
Copyright © 2013 - 2025 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号:粤B2-20090059 深公网安备号 44030502008569
腾讯云计算(北京)有限责任公司 京ICP证150476号 | 京ICP备11018762号 | 京公网安备号11010802020287
Copyright © 2013 - 2025 Tencent Cloud.
All Rights Reserved. 腾讯云 版权所有