数据结构 — — 常见链表问题、栈、队列问题、哈希表、有序表

数据结构 — — 常见链表问题、栈、队列问题

在日常刷题和面试过程中,链表问题还是占有一定的分量的,下面是一些简单常见的链表题目

1 链表问题

1.1 链表反转问题

1.1 单链表反转
/**
 * Definition for singly-linked list.
 * public class ListNode {
 *     int val;
 *     ListNode next;
 *     ListNode() {}
 *     ListNode(int val) { this.val = val; }
 *     ListNode(int val, ListNode next) { this.val = val; this.next = next; }
 * }
 */
class Solution {
    public ListNode reverseList(ListNode head) {
        ListNode pre = null;
        ListNode next = null;
        while(head != null){
            next = head.next;
            head.next = pre;
            pre = head;
            head = next;
        }
        return pre;
    }
}
1.2 双链表反转

原理同单链表一致,只不过多了一个last【head.last = next】

    //定义双链表
    public static class DoubleNode{
        public int val;
        public DoubleNode last;
        public DoubleNode next;

        public DoubleNode(int val){
            this.val = val;
        }
    }

    public static DoubleNode reverseDoubleList(DoubleNode head){
        DoubleNode next = null;
        DoubleNode pre = null;
        while(head != null){
            next = head.next;
            head.next = pre;
            head.last = next;
            pre = head;
            head = next;
        }
        return pre;
    }

1.2 删除链表中的指定元素

/**
 * Definition for singly-linked list.
 * public class ListNode {
 *     int val;
 *     ListNode next;
 *     ListNode() {}
 *     ListNode(int val) { this.val = val; }
 *     ListNode(int val, ListNode next) { this.val = val; this.next = next; }
 * }
 */
class Solution {
    public ListNode removeElements(ListNode head, int val) {
        //如果链表的头与要删除的元素值相同
        while(head != null){
            if(head.val != val){
                break;
            }
            head = head.next;
        }
        //链表头的val与要删除的val不同
        ListNode pre = head;
        ListNode cur = head;
        while(cur != null){
            if(cur.val == val){
                //值相等,就跳一个
                pre.next = cur.next;
            } else {
                //值不等,直接等
                pre = cur;
            }
            cur = cur.next;
        }
        return head;
    }
}

2 栈、队列问题

栈:先进后出【弹夹】
队列:先进先出【水管】

2.1 栈、队列的实际实现

2.1.1 用栈实现队列

核心:用两个栈,一个pop,一个push,定义两个栈转换的方法

//用栈实现队列
class MyQueue {

    //push栈
    public Stack<Integer> stackPush;
    //pop栈
    public Stack<Integer> stackPop;
    
    public MyQueue() {
        stackPush = new Stack<Integer>();
        stackPop = new Stack<Integer>();
    }
    
    //push栈向pop栈倒数据
    private void pushToPop(){
        if(stackPop.empty()){
            while(!stackPush.empty()){
                stackPop.push(stackPush.pop());
            }
        }
    }
    
    public void push(int x) {
        stackPush.push(x);
        //数据进入栈后,马上转到pop栈
        pushToPop();
    }
    
    public int pop() {
        if(stackPop.empty() && stackPush.empty()){
            throw new RuntimeException("queue is empty!");
        }
        //数据转移
        pushToPop();
        return stackPop.pop();
    }
    
    public int peek() {
        if(stackPop.empty() && stackPush.empty()){
            throw new RuntimeException("queue is empty!");
        }
        pushToPop();
        return stackPop.peek();
    }
    
    public boolean empty() {
        pushToPop();
        return stackPop.isEmpty();
    }
}

/**
 * Your MyQueue object will be instantiated and called as such:
 * MyQueue obj = new MyQueue();
 * obj.push(x);
 * int param_2 = obj.pop();
 * int param_3 = obj.peek();
 * boolean param_4 = obj.empty();
 */
2.1.2 用队列实现栈

思路:主要是用两个队列,一个是做辅助的help,只要当涉及到pop、peek等操作的时候才会用到

//用队列实现栈
class MyStack {
    public Queue<Integer> queue;
    public Queue<Integer> help;

    public MyStack() {
        queue = new LinkedList<Integer>();
        help = new LinkedList<Integer>();
    }
    
    public void push(int x) {
        queue.offer(x);
    }
    //queue :5 4 3 2 1
    //help:
    public int pop() {
        while(queue.size() > 1){
            help.offer(queue.poll());
        }
        //queue: 5
        //help: 4 3 2 1
        int res = queue.poll();//要返回的最终结果
        Queue<Integer> temp = queue;
        queue = help;
        help = temp;
        //queue:4 3 2 1
        //help: 5
        return res;
    }
    
    public int top() {
        while(queue.size() > 1){
            help.offer(queue.poll());
        }
        int res = queue.poll();
        help.offer(res);
        Queue<Integer> temp = queue;
        queue = help;
        help = temp;
        return res;
    }
    
    public boolean empty() {
        return queue.isEmpty();
    }
}

/**
 * Your MyStack object will be instantiated and called as such:
 * MyStack obj = new MyStack();
 * obj.push(x);
 * int param_2 = obj.pop();
 * int param_3 = obj.top();
 * boolean param_4 = obj.empty();
 */

2.2 最小栈

思路:主要是用两个栈,一个用来存数据stackData,一个用来存最小值信息

//最小栈
class MinStack {
    
    private Stack<Integer> stackData;
    private Stack<Integer> stackMin;

    public MinStack() {
        stackData = new Stack<Integer>();
        stackMin = new Stack<Integer>();
    }
    
    public void push(int val) {
        if(stackMin.isEmpty()){
            //存放最小值的栈为空,直接放入val
            stackMin.push(val);
        } else if(val <= getMin()){
            //如果stackMin不为null,比较,比min小就压栈
            stackMin.push(val);
        }
        stackData.push(val);
    }
    
    public void pop() {
        if(stackData.isEmpty()){
            throw new RuntimeException("your stak is empty");
        }
        int val = stackData.pop();
        if(val == getMin()){
            //将要弹出的值与最小值相同,stackMin也应当对应弹出
            stackMin.pop();
        }
        // return val;
    }
    
    public int top() {
        if(stackData.isEmpty()){
            throw new RuntimeException("your stack is empty");
        }
        int val = stackData.pop();
        stackData.push(val);
        return val;
    }
    
    public int getMin() {
        if(stackMin.isEmpty()){
            throw new RuntimeException("your stack is empty");
        }
        int val = stackMin.pop();
        stackMin.push(val);
        return val;
    }
}

/**
 * Your MinStack object will be instantiated and called as such:
 * MinStack obj = new MinStack();
 * obj.push(val);
 * obj.pop();
 * int param_3 = obj.top();
 * int param_4 = obj.getMin();
 */

3 拓展【Master公式、hash表、有序表】

3.1 Master公式

在常见算法题中,我们难免会遇到很多递归的问题,那么这时我们该如何估计时间复杂度呢?
Master公式就能很好帮我们估计。

Master公式:
T(N) = a* T(N/b) + O(N ^d) (其中,a、b、d都是常数)的递归函数,我们可以直接通过Master公式来确定时间复杂度
例如:在[0,N]范围上求最大值,使用递归(分为left与right):T(N) = 2 * T(N/2) + O(1)

因为每次是分两半,因此:b=2,因为有两部分,因此a=2,O(1)是因为有一个比较的流程
假如是分为1/3、2/3,结果就为:T(N) = T(N/3) + T(2N/3) + O(1)

  • 如果log(b,a) < d,复杂度为:O(N^d)
  • 如果log(b,a) > d, 复杂度为:O(N^log(b,a))
  • 如果log(b,a) == d,复杂度为:O(N^d * logN)
    log(b,a)表示:log以b为底,a的对数
    因此,上面二分的时间复杂度为:O(logN)
3.2 哈希表
  1. 使用层面上理解为集合结构
  2. 如果key,没有伴随value,使用HashSet
  3. key、value都有,用HashMap
  4. 有无伴随的value,是HashMap与HashSet唯一区别,实际结构是一样的【HashSet底层就是HashMap】
  5. 使用哈希表的增(put)、删(remove)、改(put)、查(get)操作,可以认为时间复杂度为O(1),但是常数时间比较大
  6. 放入hash表的东西,如果是Integer、Double、String这种,内部按值传递,内存占用是这个东西的大小
  7. 放入hash表的东西,如果不是基础类型(User、Emp等),内部按引用传递,内存占用是8Byte
3.3 有序表
  1. 有序表在使用层面上可以理解为一种集合结构
  2. 如果只有key,没有value,使用TreeSet
  3. 如果既有key,又有value,使用TreeMap
  4. TreeSet、TreeMap底层结构也是一回事,只是看有无伴随数据
  5. 有序表把key按照顺序组织起来,而哈希表完全不组织【排序】
  6. 红黑树、AVL数、size-balance-tree和跳表都是有序表结构,只是底层具体实现不同【Java默认使用的是红黑树】
  7. 放入基础数据类型,内部按值传递;否则按引用传递,占8字节

不管是什么具体实现,只要是有序表,都有一下固定的基本功能和固定时间复杂度:

  1. void put(K key, V value):新增、更新
  2. V get(K key):查询给定key
  3. void remove(K key) 删除key的记录
  4. boolean containsKey(K key):查询是否包含key的记录
  5. K firstKey():返回所有键值排序中,最小的那个
  6. K lastKey():返回所有键值排序中,最大的那个
  7. K floorKey(K key):返回<=key离key最近的那个
  8. K ceilingKey(K key):返回>=key离key最近的那个

总结:
哈希表在使用时,增删改查时间复杂度都是O(1)
有序表在使用时,比哈希表功能多,时间复杂度都是O(logN)

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
数据结构与算法 排序算法 内排序 八大基础排序 选择排序 简单选择排序 思想 每次选择最大的数插入到末尾中 做法 外层for循环控制次数 内层for循环找出最大的值的角标 找出最大角标后,进行交换 优化思路 同时获取最大值和最小值,然后分别插入数组的首部和尾部 堆排序 思想 使用大顶堆的思想来排序,每次建堆后交换 做法 总体:建堆-替换 建堆 只要左子树或右子树大于当前根节点,则替换 替换后会导致下面的子树发生了变化,因此同样需要进行比较,直至各个节点实现父>子这么一个条件(递归) 交换排序 冒泡排序 思想 每次俩俩交换,将最大值交换到末尾 做法 外层for控制循环次数 内层for控制比较次数 每次循环之后,比较次数都会减少一次 优化思路 如果一趟排序后没有发生位置变化,那么此时就是有序了 快速排序 思想 每次将比支点小的放在支点左边,比支点大的放在支点右边 做法 外循环while只要i和j不碰撞查找 内层两个while循环分别查找出比支点小的和比支点大的角标 如果i<=j满足条件,就交换 一趟排序后,支点的左边都比支点小,支点右边都比支点大 只要满足L<j,i0的条件查找出要插入的何时位置 退出内层while循环后就找到了合适的位置插入 优化思路 二分查找插入,找合适位置的时候使用二分查找算法 希尔排序 思想 用增量来将数组进行分隔,直到增量为1。底层干的还是插入排序干的活 做法 最外层for外循环控制增量的数量,每次/2 第二层for循环控制每次增量那组开始进行插入排序,直至完毕 第三层while循环找到要插入到哪个位置 归并排序 思想 将两个已排好序的数组合并成一个有序的数组 做法 递归拆分出两个有序的数组,从mid的位置开始拆分,递归出口:只有一个值的时候就不用拆分了 合并两个有序的数据 分别往两个数组填充已有序的数据 比较两个数组的值谁小,谁小就放到我们的数组中 如果比较完之后还有剩余的数据,那么用while直接添加到我们的总数组中 优化思路 当递归到规模足够小时,利用插入排序 归并前判断一下是否还有必要归并 只在排序前开辟一次空间 基数(桶)排序 思想 分配,回收(分配到不同的位置上,然后回收)..不断分配..回收来进行排序,直到有序 做法 分配一个[array.length][10列]的二维数组来装我们的元素 最外层for循环控制要分配和回收的次数(根据最大值) 将元素的个、十、百位依次放到桶子上(第一次就是放个位,第二次放十位) 依据每列回收桶子,两个for循环 外排序 查找算法 二分查找 分块查找 哈希查找 贪心算法 求最小生成树的Prim算法和Kruskal算法 爬山问题 回溯算法 n皇后问题 动态规划Dynamic Planning 应用 求最长公共子序列LCS 矩阵连乘问题 爬楼梯问题 找零问题 0-1背包问题 分治算法Divide and Conquer 应用:归并排序 其它 Rabin fingerprints 文件指纹算法 BitMap 位图算法 BloomFilter 布隆过
精心整理史上最全的数据结构flash演示动画,共5个版本,祝大家考研成功! \数据结构flash演示\版本1 \数据结构flash演示\版本2 \数据结构flash演示\版本3 \数据结构flash演示\版本4 \数据结构flash演示\版本5 \数据结构flash演示\版本1\1-4 算法和算法分析 冒泡排序.swf \数据结构flash演示\版本1\10-1-1插入排序.swf \数据结构flash演示\版本1\10-2-2直接插入排序.swf \数据结构flash演示\版本1\10-2-3折半插入排序.swf \数据结构flash演示\版本1\10-2-4-1直接插入排序.swf \数据结构flash演示\版本1\10-2-4插入排序.swf \数据结构flash演示\版本1\10-2-5希尔排序.swf \数据结构flash演示\版本1\10-3-1起泡排序.swf \数据结构flash演示\版本1\10-3-2起泡排序.swf \数据结构flash演示\版本1\10-3-4快速排序.swf \数据结构flash演示\版本1\10-4-2堆排序大顶堆.swf \数据结构flash演示\版本1\10-4-3堆排序大顶堆.swf \数据结构flash演示\版本1\10-4-4堆排序建立堆.swf \数据结构flash演示\版本1\10-5-2归并排序.swf \数据结构flash演示\版本1\10-6-1多关键字排序.swf \数据结构flash演示\版本1\10-6-2分配收集.swf \数据结构flash演示\版本1\10-6-3分配收集2.swf \数据结构flash演示\版本1\10-6-4计数排序.swf \数据结构flash演示\版本1\2-2-1顺序的查找.swf \数据结构flash演示\版本1\2-2-2顺序的插入演示.swf \数据结构flash演示\版本1\2-2-3顺序的插入算法.swf \数据结构flash演示\版本1\2-2-4顺序的删除演示.swf \数据结构flash演示\版本1\2-2-5顺序的删除算法.swf \数据结构flash演示\版本1\2-2-6.swf \数据结构flash演示\版本1\2-2-7.swf \数据结构flash演示\版本1\2-2-8.swf \数据结构flash演示\版本1\2-2-9.swf \数据结构flash演示\版本1\2-3-1.1单链表删除节点.swf \数据结构flash演示\版本1\2-3-1.2单链表插入节点.swf \数据结构flash演示\版本1\2-3-1单链表getElem.swf \数据结构flash演示\版本1\2-3-2单链表头插法.swf \数据结构flash演示\版本1\2-3-3.swf \数据结构flash演示\版本1\2-3-4.swf \数据结构flash演示\版本1\2-3-5带头结点的双向循环链表.swf \数据结构flash演示\版本1\2-3-6双向链表的插入.swf \数据结构flash演示\版本1\2-3-7双向链表的删除.swf \数据结构flash演示\版本1\2-3-8.swf \数据结构flash演示\版本1\2-3-9两个有序链表的连接.swf \数据结构flash演示\版本1\3-2-1的应用举例-进制转换.swf \数据结构flash演示\版本1\3-3-10链队列.swf \数据结构flash演示\版本1\3-3-11链队列-入队.swf \数据结构flash演示\版本1\3-3-12-1链队列出队.swf \数据结构flash演示\版本1\3-3-12-2链队列出队-队列空.swf \数据结构flash演示\版本1\3-3-13循环队列.swf \数据结构flash演示\版本1\3-3-1的应用举例-走迷宫-有解.swf \数据结构flash演示\版本1\3-3-2的应用举例-走迷宫-无解.swf \数据结构flash演示\版本1\3-3-4后缀式.swf \数据结构flash演示\版本1\3-3-5后缀式.swf \数据结构flash演示\版本1\3-3-6后缀式.swf \数据结构flash演示\版本1\3-3-7后缀式.swf \数据结构flash演示\版本1\3-3-9的应用举例-汉诺塔.swf \数据结构flash演示\版本1\3-4-1杨辉三角.swf \数据结构flash演示\版本1\3-4-2离散事件模拟.swf \数据结构flash演示\版本1\4-1-1串的定位操作.swf \数据结构flash演示\版本1\4-1-2串的替换.s
数据结构是计算机科学中非常重要的概念,它是组织和存储数据的方式。数据结构可以分为很多种类,其中包括查找排序和链表。 查找是一种在数据集合中寻找特定元素的操作。常见的查找算法有线性查找、二分查找、哈希查找等。线性查找是最简单的一种查找方法,它从数据集合的第一个元素开始逐个比较,直到找到目标元素或者遍历完整个数据集合。二分查找是一种更高效的查找方法,但要求数据集合是有序的。它将数据集合分成两部分,然后判断目标元素在哪一部分中,并在该部分中继续划分,直到找到目标元素或者确定目标元素不存在。 排序是一种将数据按照一定规则重新排列的操作。常见的排序算法有冒泡排序、插入排序、选择排序、快速排序、归并排序等。这些算法的核心思想各不相同,但都可以将无序的数据集合转化为有序的序列。例如,冒泡排序通过相邻元素的比较和交换来实现排序,每一轮都会将最大(或最小)的元素冒泡到序列的末尾,直到整个序列有序为止。 链表是一种常见数据结构,它由一系列节点组成,每个节点包含数据和指向下一个节点的指针。链表可以分为单向链表和双向链表两种形式。相比于数组,链表的插入和删除操作更加高效,但访问特定位置的元素需要遍历整个链表链表常用于需要频繁插入和删除操作的场景,例如实现队列数据结构。 以上就是关于数据结构中查找排序和链表的简要介绍。如果你有具体的问题或者想要了解更多内容,请随时提问。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值