純資料結構Java實現(5/11)(Set&Map)
純資料結構Java實現(5/11)(Set&Map)
Set 和 Map 都是抽象或者高階資料結構,至於底層是採用樹還是雜湊則根據需要而定。
- 可以細想一下 TreeMap/HashMap, TreeSet/HashSet 的區別即可
- 只定義操作介面(操作一致),不管具體的實現,所以即便底層是 BST 亦可(只是效率不高)
(我還是直說了吧,如果不要求有序,儘量用 Hash 實現的吧)
集合(Set)
二分搜尋樹不存放重複元素,所以 BST 就是一個很好的用於實現集合的底層結構
常見應用
其實主要應用就一個: 去重。
比如把 ArrayList 裡面的元素經過一個迴圈,然後放入 set 中檢視不重複的元素有多少。
基於BST底層實現
具體實現,可以簡單的包裝一下 BST:
//先定義好介面 public interface Set<E> { void add(E e); void remove(E e); boolean contains(E e); int getSize(); boolean isEmpty(); } //然後包裝 BST 這個類 public class BSTSet<E extends Comparable<E>> implements Set<E> { private BST<E> bst; //建構函式 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(); } }
可以看到其實就是封裝了 BST 。
基於連結串列底層實現
和BST一樣都是動態資料結構,連結串列實現SET有優勢麼?
簡單比較:
- 連結串列中的元素,並不強制要求儲存的時候要求元素有序
- 連結串列的 Node 內部類定義更加簡單
因為連結串列本身不是完全支援 set 的相關操作,所以實現的時候,還是要做一些額外的處理,比如需要先確認一下容器內不存在相關元素再新增。
import linkedlist.LinkedList1; public class LinkedListSet<E> implements Set<E> { private LinkedList1<E> list; public LinkedListSet() { list = new LinkedList1<>(); } @Override public void add(E e) { //不存在才新增 if (!list.contains(e)) { list.addFirst(e); //O(1),因為有頭指標 } } @Override public void remove(E e) { list.removeElem(e); } @Override public boolean contains(E e) { return list.contains(e); } @Override public int getSize() { return list.getSize(); } @Override public boolean isEmpty() { return list.isEmpty(); } @Override public String toString() { StringBuilder res = new StringBuilder(); res.append("{ "); res.append(list.toString()); res.append("} "); return res.toString(); } public static void main(String[] args) { LinkedListSet<Integer> set = new LinkedListSet<>(); //新增一些元素 2, 3, 2, 5 set.add(2); set.add(3); set.add(2); set.add(5); set.add(5); System.out.println(set); //{ 5->3->2->null} } }
當然也有基於 Hash 實現的,類似的也是這些介面。
複雜度分析
初步分析,主要差距應該在 查詢是否存在 上
基於連結串列的是需要查詢 O(n),發現不存在了,才新增;而BST的版本則是 O(logN) 的效率。
即增加、刪除、查詢上,連結串列實現的都會慢於樹實現的。
最差的情況,對數級別也可能會退化為線性的,比如本來有序的序列建立的 BST 集合實現:
- 準確來說 O(高度),因為高度可能為 logN 或者 N。(別拿近乎有序的序列去建立BST)
更好的實現應該用自平衡的樹,比如AVL或者紅黑樹,比如 java.util.TreeSet
就是用的紅黑樹實現。(不會出現退化現象,自己可以維護動態平衡)
但是所有的能力都有機制支撐,也就有相應的維護成本。
有序問題比較
基於連結串列的集合其實是無序的(底層不維護儲存順序),儲存的順序和插入順序相關
而基於 BST,AVL,RBTree 等 搜尋樹
結構的集合則是有序集合,它會自動維護儲存的順序,和插入順序無關。
無序集合就沒用優勢麼?Hash表就是實現無序集合的非常好的方式。(支援隨機存取,效率非常高)
- 基於搜尋樹實現: 有序集合中的元素具有順序性
- 基於雜湊表實現: 無序集合中的元素沒有順序性
一般認為基於搜尋樹的集合能力更大,但是時間效率不如hash表的實現。
對映(Map)
對映可能有多種,不過這裡更多的關注的是1-1對映。有時候稱為 Map,有時候稱為字典,說白了,就是可以根據鍵快速存取值的一種結構。
(各種語言稱呼不同)
底層實現: 實際上,對映(map)也是一個高層資料結構,所以底層實現也可以有多種實現。例如也可以用連結串列,BST去實現,結構大致如下:
// BST 實現
class Node {
K key;
V value;
Node left;
Node right;
}
// 連結串列實現
class Node {
K key;
V value;
Node next;
}
和上面實現的 set 基本類似,也就是說 set 可以看做一種特殊的 map;map 也可以看做特殊的 set。(但是一般更多的認為,把 set 視為一種特殊的 Map,即 Map<K, null>)
介面定義
一般 map 都具有下列基本的操作,程式碼如下:
public interface Map<K, V> {
void add(K key, V value);
V remove(K key);
int getSize();
boolean isEmpty();
boolean contains(K key);
V get(K key);
void set(K key, V newValue);
}
特別注意一下,這個介面支援兩個泛型引數。
(常見資料結構的 5 種操作,這裡一共有7種)
連結串列底層實現
內部封裝一個連結串列時,此時因為 Node 已經改變,所以不能直接複用 LinkedList (重新定義 Node)
大概具體實現如下:
package map;
public class LinkedListMap<K, V> implements Map<K, V>{
//先重新實現 節點內部類
private class Node {
public K key;
public V value;
public Node next;
public Node(K key, V value, Node next) {
this.key = key;
this.value = value;
this.next = next;
}
public Node(K key, V value) {
this(key, value, null);
}
public Node() {
this(null, null, null);
}
@Override
public String toString() {
return key.toString() + ":" + value.toString();
}
}
//成員 (和單鏈表一樣)
private int size;
private Node dummyHead;
public LinkedListMap() {
dummyHead = new Node(); //使用者並不清楚 dummyNode 的存在
size = 0;
}
//私有函式 (拿到 key 所對應的 Node)
// contains 要用到
// 拿到 key 所對應的 value
private Node getNode(K key) {
//遍歷,返回 key 所對應的 Node
Node cur = dummyHead.next;
while(cur != null) {
if(cur.key.equals(key)) {
return cur;
} else {
cur = cur.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 int getSize() {
return size;
}
@Override
public boolean isEmpty() {
return size == 0;
}
@Override
public void add(K key, V value) {
//新增新的節點 (key 必須唯一)
if(!contains(key)) {
//直接在連結串列頭部新增
dummyHead.next = new Node(key, value, dummyHead.next);
//特別注意: size++
size++;
} else {
//存在了就丟擲異常 (你也可以去更新)
throw new IllegalArgumentException("要新增的 Key 已經存在了");
}
}
@Override
public void set(K key, V newValue) {
//找到 key 然後更新
Node node = getNode(key);
if(node != null) {
node.value = newValue;
} else {
//要更新的 key 不存在,丟擲異常
throw new IllegalArgumentException("要更新的 Key 不已經");
}
}
@Override
public V remove(K key) {
//類似單鏈表裡面刪除 elem 邏輯
//從 dummyHead 開始找到相應節點的前一個節點
Node prev = dummyHead; //這裡的 prev 其實代表的是找到的節點前一個節點
while(prev.next != null) {
if(prev.next.key.equals(key)) {
break;
}
prev = prev.next;
}
//找到了 break 的,還是自然結束的?
if(prev.next != null) {
//表明是找到的,break出來的
Node delNode = prev.next;
prev.next = delNode.next;
delNode.next = null;
size--;
return delNode.value;
}
//自然結束的,說明沒有找到要刪除的元素
return null;
}
@Override
public String toString() {
StringBuilder res = new StringBuilder();
res.append("{");
for(Node curr = dummyHead.next; curr != null; curr = curr.next) {
res.append(curr.key + ":\"" + curr.value + "\"");
if(curr.next != null) {
res.append(", ");
}
}
res.append("}");
return res.toString();
}
}
簡單測試如下:
public static void main(String[] args) {
Map<Integer, String> map = new LinkedListMap<>();
//放入一些元素
map.add(1, "one");
map.add(2, "two");
map.add(3, "three");
System.out.println(map); //{3:"three", 2:"two", 1:"one"},和新增順序一致
System.out.println(map.contains(3)); //true
System.out.println(map.getSize()); //3
System.out.println(map.get(1)); //one
}
BST底層實現
基於 bst 的 map 也不能直接複用 bst 的實現,這裡要重新定義 Node 結構
且 Key 必須是可以比較的。
大致實現如下: (其中注意很多內部的輔助方法)
public class BSTMap<K extends Comparable<K>, V> implements Map<K, V> {
//定義 Node
private class Node {
public K key;
public V value;
public Node left, right;
//建構函式
public Node(K key, V value) {
this.key = key;
this.value = value;
left = right = null;
}
}
//定義成員
private Node root;
private int size;
//定義構造器
public BSTMap() {
root = null;
size = 0;
}
@Override
public int getSize() {
return size;
}
@Override
public boolean isEmpty() {
return size == 0;
}
// 其他函式和 BST 的實現保持一致
@Override
public void add(K key, V value) {
root = add(root, key, value);
}
//返回操作後的子樹 (根節點)
private Node add(Node root, K key, V value) {
if(root == null) {
//找到了相應插入的位置,那麼返回 (上層呼叫會接收這個子樹)
size++;
return new Node(key, value);
}
//找到相應需要插入的位置
if(key.compareTo(root.key) < 0) {
//左子樹上遞迴查詢相關位置
root.left = add(root.left, key, value);
} else if(key.compareTo(root.key) > 0) {
//右子樹上遞迴查詢需要插入的位置
root.right = add(root.right, key, value);
} else {
//已經存在了?拋異常,還是更新
throw new IllegalArgumentException("要新增的 Key 已經存在了");
}
return root; //返回操作完畢後的子樹給上級 (這棵子樹的 right 或者 left 已經添加了新元素)
}
//查詢方法,一般需要藉助,找到該節點的 私有方法
//返回 key 所在的節點
private Node getNode(Node root, K key) {
//以當前節點作為 root 開始查詢
//還是用遞迴的寫法
if(root == null) {
// 沒有找到
return null;
}
if(key.compareTo(root.key) == 0) {
//找到了
return root;
} else if (key.compareTo(root.key) < 0) {
//在左子樹上去找
return getNode(root.left, key);//返回從 root.left 這顆子樹上的節點
} else {
return getNode(root.right, 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 ? node.value : null;
}
@Override
public void set(K key, V newValue) {
Node node = getNode(root, key);
if(node != null) {
//存在,就更新
node.value = newValue;
} else {
throw new IllegalArgumentException("要更新的 Key 不存在");
}
}
//刪除操作比較複雜 (這邊需要使用融合技術,即找前驅或者後繼元素)
//先寫4個輔助函式 (找前驅的 getMax, 找後繼的 getMin )
// 刪除 max 並返回相應節點的 removeMax 或者 刪除 min 並返回相應節點的 removeMin
private Node getMin(Node root) {
if(root.left == null) {
return root;
}
//其他情況一直在左子樹上查詢
return getMin(root.left);
}
//刪除最小元素,然後返回這個子樹 (根節點)
private Node removeMin(Node root) {
//最小元素一定在左子樹上,讓 root 的左子樹接收即可
if(root.left == null) {
//左子樹空了,這個時候需要把右子樹嫁接到父節點上 (也就是返回給上級呼叫的 left)
//此時最小值就是當前這個節點 root
Node rightNode = root.right; //可能為空
root.right = null; //把當前這個節點置空
size--;
return rightNode;
}
//左子樹不空,繼續找
root.left = removeMin(root.left);
return root;
}
private Node getMax(Node root){
if(root.right == null) {
return root;
}
//否咋一直找右子樹
return getMax(root.right);
}
//刪除最大元素,然後返回這個子樹 (根節點)
private Node removeMax(Node root) {
if(root.right == null) {
//此時 root 就是最大節點了
//把左子樹嫁接到父節點吧 (即返回給上層呼叫)
Node leftNode = root.left; //可能為 null,但返回給上層呼叫的 right
root.left = null;
size--;
return leftNode;
}
//否則接續找
root = root.right;
return root;
}
//輔助函式寫完,再來寫真正的刪除任意 key 的情況
@Override
public V remove(K key) {
Node node = getNode(root, key);
if(node != null) {
//存在採取刪除
root = remove(key, root);
return node.value;
}
return null; //不存在,則刪除不了,應該拋異常的,這裡就返回 null 算了
}
//返回操作完畢的相關子樹 (根節點)
private Node remove(K key, Node root) {
//要操作的子樹為空的時候,表明已經到了樹的葉子下了
if(root == null) {
return null;
}
//其他情況,則遞迴的在 相關左右子樹上進行相關刪除操作 (返回操作後的子樹)
if(key.compareTo(root.key) < 0) {
//左子樹上刪除,然後子樹給 root.left
root.left = remove(key, root.left);
} else if(key.compareTo(root.key) > 0) {
//右子樹上刪除,然後返回結果給 root.right
root.right = remove(key, root.right);
} else {
//找了要刪除的節點 compare 相等的情況
// 這裡還是要分情況處理一下: 左子樹為空或者右子樹為空,嫁接另一半子樹
//如果左右子樹都不為空,那麼久需要處理融合問題
//簡單的情況: 有一邊子樹空的情況
if(root.left == null) {
//嫁接右子樹部分即可 (意思就是返回給上一級,自然有遞迴接收)
Node rightNode = root.right;
root.right = null;
size--;
return rightNode;
}
if(root.right == null) {
//嫁接左子樹部分即可
Node leftNode = root.left;
root.left = null;
size--;
return leftNode;
}
//先找後繼,即右子樹上查詢最接近的節點 (右子樹上查詢最小)
Node subcessorNode = getMin(root.right); //替代當前節點
subcessorNode.right = removeMin(root.right); //返回右子樹操作後的子樹 (根節點)
subcessorNode.left = root.left;
//置空這個要刪除的節點
root.left = root.right = null;
return subcessorNode;
}
return root;
}
private void inOrder(Node root) {
//實現一箇中序遍歷方法
if(root == null) {
//以 root 為根的這顆子樹空的, 不必列印直接返回
return;
}
inOrder(root.left);
System.out.print(root.key + ":" + root.value + " ");
inOrder(root.right);
}
@Override
public String toString() {
inOrder(root);
System.out.println();
return super.toString();
}
}
簡單測試一下:
public static void main(String[] args) {
BSTMap<Integer, String> map = new BSTMap<>();
map.add(2, "two");
map.add(1, "one");
map.add(3, "three");
map.add(5, "five");
System.out.println(map.getSize());
System.out.println(map.contains(3));
System.out.println(map);
}
列印輸入結果:
4
true
1:one 2:two 3:three 5:five
map.BSTMap@1a407d53
複雜度分析
還是增刪查改中,只要涉及查詢,比如先看看該元素是否存在的情況,那麼連結串列就慢了。O(樹高) VS O(n) 的差別,但是樹高也可能會退化到 O(n)。(平均情況還是 O(logN))
同樣的,要避免最差的情況,還是要藉助 AVL 讓樹更加平衡一些。(減小高度)
有序性問題
有序和無序還是和其底層有關。
如果基於BST的底層實現,那麼它是有能力維護儲存順序的(和你插入順序無關)。
比較總結
一般認為 Map 和 Set 的底層實現並沒有多大的區別。(一般可能都會用樹,具體說就是紅黑樹去實現)
也就是說,基於 Map 的底層實現,更容易包裝出 Set 的實現。(預設把Value設定null即可,此時去掉 get 和 set 方法)
Java 中 TreeMap, TreeSet 底層就是基於 AVL 實現的(實際上是紅黑樹);而HashMap和HashSet底層則是基於雜湊表實現的。(但是使用的時候根本不必關心,因為上層介面是一致的)
BTW: 很多練習題中有幾個技巧,查詢到已經存在的,就從Set/Map中刪除。(不多解釋了)
不多言了,還是把程式碼倉庫貼一下吧 gayhub。