映射表map(平衡二叉树实现)_九、集合Set和映射Map

熬夜写代码

关注公众号：EZ大数据。

每天学习一点点，不亏！

"

世界上最重要的事情是理解现实如何运行，一级如何应对现实。面对这一过程的心态至关重要！

——达利欧《原则》

"

---

昨天说完二叉搜索树，今天来个简单点的：集合Set和映射Map。然后我们再使用链表和二叉树来初步实现Set和Map的功能，并研究下相关操作的时间复杂度。

OK，正餐开始(我是来对比树和链表的，别搞错)！

说起集合Set，其里面的元素不会重复，所以，经常使用集合来做去重操作。而日常工作中，典型的应用有：客户统计、文本词汇量统计等。

首先我们使用之前的链表来实现集合Set。

void add(E)

void remove(E)

boolean contains(E)

int getSize()

boolean isEmpty()

话不多少，直接上代码：

链表LinkedList实现集合Set

接下来我们基于昨天的二分搜索树，来实现Set的功能。具体如下：

BST实现集合Set

接下来我们分析下二者在时间复杂度上的区别。

首先对于链表来说，其添加元素add时，需要判断是否包含contains，所以其时间复杂度为O(n)，删除操作也为O(n)。

那么对于二分搜索树来说，假如h为二分搜索树的高度，无论添加、删除、查找操作，时间复杂度都为O(h)。

接下来我们就研究下高度h和节点数n的关系，对于二分搜索树来说，其h层的元素个数最多为2^(h-1)个，那么一个h层的满二叉树其元素个数即为：

n = 2^0+2^1+2^2+...+2^(h-1)=2^h-1，用对数来表示就是：h=log(n+1)。那么用大O表示法就是O(h)=O(logn)。

对于二叉树来说，其最坏的情况就是退化为链表的形式，其最坏时间复杂度为O(n)。小伙伴们有兴趣的话，可以计算下，当n逐渐变大时，O(logn)和O(n)的区别。

当然，我写了个小脚本，来测验二者的区别：

测试脚本

计算结果如下：

BST Set 和Linked List Set区别

由此可以看出，用二叉树的效率比链表要快很多很多。同时，当时间复杂度涉及到log时，基本都是与树有关。

---

现在我们来看看映射Map，对于Map来说，它是一种存储(键, 值)数据对的数据结构(key, value)。比如x=f(n)这样的映射关系。日常使用中，我们会根据键(key)，来快速查询值(value)。

同样，我们先用链表来实现映射Map，具体功能如下：

void add(k, v)

V remove(k)

boolean contains(k)

V get(k)

void set(k)

int getSize()

boolean isEmpty()

限于篇幅，我就把重要的功能实现代码展示一波：

链表LinkedList实现映射Map 一

链表LinkedList实现映射Map 二

整体基于链表来实现，设定虚拟头结点dummyHead，也算是又复习了一波链表。

下面来看基于二分搜索树实现的Map。

BST实现映射Map 添加操作

BST实现映射Map 删除操作

BST实现映射 查询操作

基本套用二分搜索树的逻辑，只是现在每个节点放的是(key, value)形式的数据，然后我们比较key值的大小，来实现左右子树的相关逻辑。

同样，我们最后来对比二者的时间复杂度，基于对链表的熟悉，我们知道无论是添加add、删除remove、修改set、查询contains等操作，其时间复杂度均为O(n)。而根据上述对于树结构的时间复杂度来看，其相关操作均为O(logn)。

OK，今天关于集合Set和映射Map的总结到这里，其实呢，主要是对比了链表和二叉树的时间复杂度……

那么，涉及到时间复杂度包含log的，基本都使用到树结构。另外，对于Set和Map，更多的东西，后续我会更新哈希表相关的知识点。

好了，今天就到这里。

拜了个拜~