數據結構,你還記得嗎（下）
有了前面兩篇博文作積澱，這篇博文該幹啥呢，該玩一玩Code了。下面將以《數據結構,你還記得嗎（上）》裏面所涉及的面試題爲來源，若是問到你，你該怎麼作呢？
跟上一篇《數據結構,你還記得嗎（中）》目錄進行一一對應，以此來提高理解。html
數組
數組反轉
int[] arr = { 1, 2, 3, 5, 6 };
int length = arr.Length / 2;
for(int i=0;i<length; i++)
{
int temp = arr[i];
arr[i] = arr[arr.Length - i-1];
arr[arr.Length - i-1] = temp;
}
List和ArrayList自帶反轉函數 Reverse();node
尋找數組中第二小的元素
- 解決方案有按遞增順序對數組進行排序，堆排、快排、歸併排序等等均可以達到目的。時間複雜度是O(nlogn)。
- 其次是掃描數組兩次。在第一次遍歷中找到最小元素。在第二次遍歷中，找到大於它的最小元素，時間複雜度是O(n)。
下面介紹一次遍歷解決，時間複雜度是O(n)。
Stopwatch stopwatch = new Stopwatch();
stopwatch.Start();
int min =int.MaxValue;
int secondMin = int.MaxValue;
int[] arr = { 1, 3, 5, 6, 8, 9, 10, 66 , 66 ,55,88,66,22,55,58};
for (int i = 0; i < arr.Length; i++)
{
int num = arr[i];
if (num < min)
{
secondMin = min;
min = num;
}
else
secondMin = num < secondMin ? num : secondMin;
};
stopwatch.Stop();
Console.WriteLine(secondMin+"花費時間{0}",stopwatch.Elapsed.ToString());
找出數組中第一個不重複的元素
- 笨方法
Stopwatch stopwatch = new Stopwatch();
stopwatch.Start();
int[] arr = { 1, 3, 5, 6, 8, 9, 10, 66 , 66 ,55,88,66,22,55,581,1,3,5,6};
Dictionary<int, List<int>> dic = new Dictionary<int, List<int>>();
int index = 0;
for (int i = 0; i < arr.Length; i++)
{
index++;
if (!dic.ContainsKey(arr[i]))
{
dic.Add(arr[i], new List<int> { index });
}
else
{
dic[arr[i]].Add(index);
}
};
int minIndex = int.MaxValue;
int temp=0 ;
foreach(var k in dic.Keys)
{
if(dic[k].Count==1)
{
foreach(var v in dic[k])
{
if (minIndex > v)
{
minIndex = v;
temp = k;
}
}
}
}
stopwatch.Stop();
Console.WriteLine(temp + "花費時間{0}",stopwatch.Elapsed.ToString());
- 快方法
Stopwatch stopwatch = new Stopwatch();
stopwatch.Start();
int[] arr = { 1, 3, 5, 6, 8, 9, 10, 66, 66, 55, 88, 66, 22, 55, 581, 1};
foreach (var a in arr)
{
int firstIndex = Array.IndexOf(arr, a);
int lastIndex = Array.LastIndexOf(arr, a);
if (firstIndex == lastIndex)
{
stopwatch.Stop();
Console.WriteLine(a + "花費時間{0}", stopwatch.Elapsed.ToString());
break;
}
}
合併兩個有序數組
- 快方法
int[] arr1 = { 1, 3, 5, 6, 8, 9, 10, 66, 66, 55, 88, 66, 22, 55, 581, 1};
int[] arr2 = { 1,4, 5,7, 8, 55, 10, 66, 66,};
List<int> list = new List<int>();
list.AddRange(arr1);
list.AddRange(arr2);
list.Sort();
foreach(var l in list)
{
Console.WriteLine(l);
}
棧
使用棧計算後綴表達式
後綴表達式簡介面試
中綴表達式:
一般,算術表達式寫做中綴表達式,,什麼是中綴表達式呢?中綴表達式就是:操做符位於操做數之間。以下形式: <操做數> <操做符> <操做數> 例如表達式:1+2*3, 計算時,咱們根據表達式的優先規則來計算。其結果是7而不是9。 算法- 後綴表達式:
後綴表達式就是:操做符位於兩個操做數以後,後綴表達式的形式以下: <操做數> <操做數> <操做符> 。以下所示: 1 2 - 等價於1-2
- 優勢
使用後綴表達式的優勢:後綴表達式比中綴表達式更容易計算,由於它不用考慮優先規則和括弧,表達式中的操做數和操做符的順序就足以完成計算。所以程序設計語言編輯器和運行時環境在其內部中每每使用後綴表達式。棧是用於計算後綴表達式的理想數據結構。
代碼有點長，已經通過測試，放上跟棧有關的核心代碼段，以下：
public int evaluate(String expr)
{
int op1, op2, result = 0;
String token;
//將字符串分解,/s 匹配任何空白字符,包括空格、製表符、換頁符等。
String[] tokenizer = expr.Split(" ");
for (int x = 0; x < tokenizer.Length; x++)
{
Console.WriteLine(tokenizer[x] + " ");//輸出
token = tokenizer[x];
if (isOperator(token))
{//判斷是操做符,則出棧兩個操做數
op2 = stack.Pop();
op1 = stack.Pop();
result = evalSingleOp(token[0], op1, op2);//計算結果
stack.Push(result);//把計算結果壓入棧中
}
else
{
stack.Push( int.Parse(token));//壓入操做數
}
}
return result;
}
private bool isOperator(String token)
{
return (token.Equals("+") || token.Equals("-") ||
token.Equals("*") || token.Equals("/"));
}
對棧的元素進行排序
Stack<int> arr1 = new Stack<int>();
arr1.Push(9);
arr1.Push(3);
arr1.Push(4);
arr1.Push(7);
arr1.Push(2);
public Stack<int> StackSort(Stack<int> arr)
{
if (arr.Count==0)
{
return new Stack<int>();
}
Stack<int> newStack = new Stack<int>();
int top = arr.Pop();
newStack.Push(top);
while (arr.Count>0)
{
int first = arr.Pop(); //拿出第一個
while (newStack.Count > 0 && first > newStack.Peek())
{
int temp = newStack.Pop();
arr.Push(temp);
}
newStack.Push(first);
}
while(newStack.Count>0)
{
int temp = newStack.Pop();
arr.Push(temp);
}
return arr;
}
判斷表達式是否括號平衡
設計一個算法，判斷用戶輸入的表達式中括號是否匹配，表達式中可能含有圓括號、中括號和大括號。數組
bool CheckBlancedParentheses(string ch)
{
char[] arr = ch.ToCharArray();
if (0 == arr.Length)
return false;
Stack<char> stack=new Stack<char>();
for(int i=0;i<arr.Length;i++)
{
if ('(' == arr[i] || '[' == arr[i] || '{' == arr[i])
stack.Push(arr[i]);
else if (')' == arr[i])
{
if (stack.Count == 0)
return false;
else if ('(' != stack.Peek())
return false;
else stack.Pop();
}
else if (']' == arr[i])
{
if (stack.Count == 0)
return false;
else if ('[' != stack.Peek())
return false;
else stack.Pop();
}
else if ('}' == arr[i])
{
if (stack.Count== 0)
return false;
else if ('{' != stack.Peek())
return false;
else stack.Pop();
}
}
if (stack.Count>0)
return true;
return false;
}
使用棧實現隊列
Stack stack1 = new Stack();
Stack stack2 = new Stack();
public void Push(Object o)
{
stack1.Push(o);
}
public Object Pop()
{
Object o = null;
if (stack2.Count == 0)
{
//把stack1的數據放入stack2，留下最後一個數據
while (stack1.Count > 1)
{
stack2.Push(stack1.Pop());
}
if (stack1.Count == 1)
{
//把stack1的留下的那個數據返回出去
o = stack1.Pop();
}
}
else
{
o = stack2.Pop();
}
return o;
}
隊列
使用隊列表示棧
Queue<int> queue1 = new Queue<int>();
Queue<int> queue2 = new Queue<int>();
public void Push(int o)
{
queue1.Enqueue(o);
}
public int Pop()
{
int num = 0;
while (queue1.Count > 1)
{
queue2.Enqueue(queue1.Dequeue());
}
if (queue1.Count == 1)
{
//把queue1的留下的那個數據返回出去
num = queue1.Dequeue();
while (queue2.Count > 0)
{
queue1.Enqueue(queue2.Dequeue());
}
}
return num;
}
對隊列的前k個元素倒序
public Queue<int> ReversalQueue(Queue<int> queue ,int k)
{
Queue<int> queue2 = new Queue<int>();
if (queue.Count == 0) return queue2;
Stack<int> stack = new Stack<int>();
for(int i=0;i<k;i++)
{
stack.Push(queue.Dequeue());
}
while(stack.Count>0)
{
queue2.Enqueue(stack.Pop());
}
while(queue.Count>0)
{
queue2.Enqueue(queue.Dequeue());
}
return queue2;
}
鏈表
反轉鏈表
放上核心代碼，感興趣的能夠在博客園裏面搜一下，不少博友有介紹
public LinkNode<T> Reverse(LinkNode<T> node1, LinkNode<T> node2)
{
bool head= false;
if (node1 == this.Head) head = true;
LinkNode<T> tmp = node2.Next;
node2.Next = node1;
if (head) node1.Next = null;
if (tmp == null) {
return node2; }
else
{
return Reverse(node2, tmp);
}
}
鏈表是否有循環
涉及到指針數據結構
- 單鏈表判斷是否存在循環，即判斷是否有兩個指針指向同一位置，即判斷海量指針中是否有相同數據。而後對全部指針選擇插入排序或者快速排序。
- 將全部的遍歷過的節點用哈希表存儲起來，用節點的內存地址做爲哈希表的值存儲起來。每遍歷一個節點，都在這個結構中查找是否遍歷過。若是找到有重複，則說明該鏈表存在循環。若是直到遍歷結束，則說明鏈表不存在循環。哈希表中存儲的值爲節點的內存地址，這樣查找的操做所需時間爲O(1)，遍歷操做須要O(n)，hash表的存儲空間須要額外的O(n)。因此整個算法的時間複雜度爲O(n)，空間複雜度爲O(n)。
樹
找到使用地方再回頭來補，或者看上一篇文章，連接中是其餘博友的介紹並附有代碼框架
圖
找到使用地方再回頭來補，或者看上一篇文章，連接中是其餘博友的介紹並附有代碼dom
字典樹
找到使用地方再回頭來補，或者看上一篇文章，連接中是其餘博友的介紹並附有代碼編輯器
哈希表
Dictionary的內部實現機制，Dictionary如何實現快速查找
先看源碼函數
// buckets是哈希表，用來存放Key的Hash值
// entries用來存放元素列表
// count是元素數量
private void Insert(TKey key, TValue value, bool add)
{
if (key == null)
{
throw new ArgumentNullException(key.ToString());
}
// 首先分配buckets和entries的空間
if (buckets == null) Initialize(0);
int hashCode = comparer.GetHashCode(key) & 0x7FFFFFFF; // 計算key值對應的哈希值(HashCode)
int targetBucket = hashCode % buckets.Length; // 對哈希值求餘，得到須要對哈希表進行賦值的位置
#if FEATURE_RANDOMIZED_STRING_HASHING
int collisionCount = 0;
#endif
// 處理衝突的處理邏輯
for (int i = buckets[targetBucket]; i >= 0; i = entries[i].next)
{
if (entries[i].hashCode == hashCode && comparer.Equals(entries[i].key, key))
{
if (add)
{
throw new ArgumentNullException();
}
entries[i].value = value;
version++;
return;
}
#if FEATURE_RANDOMIZED_STRING_HASHING
collisionCount++;
#endif
}
int index; // index記錄了元素在元素列表中的位置
if (freeCount > 0)
{
index = freeList;
freeList = entries[index].next;
freeCount--;
}
else
{
// 若是哈希表存放哈希值已滿，則從新從primers數組中取出值來做爲哈希表新的大小
if (count == entries.Length)
{
Resize();
targetBucket = hashCode % buckets.Length;
}
// 大小若是沒滿的邏輯
index = count;
count++;
}
// 對元素列表進行賦值
entries[index].hashCode = hashCode;
entries[index].next = buckets[targetBucket];
entries[index].key = key;
entries[index].value = value;
// 對哈希表進行賦值
buckets[targetBucket] = index;
version++;
#if FEATURE_RANDOMIZED_STRING_HASHING
if(collisionCount > HashHelpers.HashCollisionThreshold && HashHelpers.IsWellKnownEqualityComparer(comparer))
{
comparer = (IEqualityComparer<TKey>) HashHelpers.GetRandomizedEqualityComparer(comparer);
Resize(entries.Length, true);
}
#endif
}
快速緣由 ：使用哈希表來存儲元素對應的位置，而後咱們能夠經過哈希值快速地從哈希表中定位元素所在的位置索引，從而快速獲取到key對應的Value值（能夠根據上一篇介紹理解）
總結
寫文章不多有完美的說法，上一篇文章在發佈以後，我又新增修改了不少東西，有點"縫縫補補又三年"的感受。這篇（下）也須要再進行遺漏查缺，哪天來想法了（例如哈希，二叉樹，B樹），又來進行完善。 寫博文的主要目的是完善鞏固本身的知識體系，翻閱大量文章來學習的一個過程，目的並非爲了讚揚，不信你看看讚揚，是否看到了信仰。 該系列上中下基本終於結束，對於大神來講，數據結構就是小菜一碟（數據結構也不止我寫的這麼點），但對不少來人，以前對於數據結構的3W都沒怎麼花心思去想，若是有人問到了，是否是很慚愧。接下來，我會繼續鞏固基礎（這個我的覺的很是重要）和研究框架以及微服務，繼續努力！
相關文章
- 1. 數據結構,你還記得嗎（上）
- 2. 數據結構,你還記得嗎（中）
- 3. VLOOKUP函數還記得嗎？
- 4. 你還記得神馬搜索嗎？
- 5. 你還記得快速排序嗎？
- 6. 你還記得windows workflow foundation嗎
- 7. 第一次面試你還記得嗎？
- 8. 你還記得高中的對數函數嗎？
- 9. 還記得Wasserstein GAN嗎？
- 10. 【回顧】還記得JDBC嗎？
- 更多相關文章...
- • Rust 結構體 - RUST 教程
- • XML 樹結構 - XML 教程
- • Flink 數據傳輸及反壓詳解
- • TiDB 在摩拜單車在線數據業務的應用和實踐
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
最新文章
- 1. 跳槽面試的幾個實用小技巧，不妨看看！
- 2. Mac實用技巧 |如何使用Mac系統中自帶的預覽工具將圖片變成黑白色?
- 3. Mac實用技巧 |如何使用Mac系統中自帶的預覽工具將圖片變成黑白色?
- 4. 如何使用Mac系統中自帶的預覽工具將圖片變成黑白色?
- 5. Mac OS非兼容Windows軟件運行解決方案——「以VMware & Microsoft Access爲例「
- 6. 封裝 pyinstaller -F -i b.ico excel.py
- 7. 數據庫作業三ER圖待完善
- 8. nvm安裝使用低版本node.js(非命令安裝)
- 9. 如何快速轉換圖片格式
- 10. 將表格內容分條轉換爲若干文檔
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. 數據結構,你還記得嗎（上）
- 2. 數據結構,你還記得嗎（中）
- 3. VLOOKUP函數還記得嗎？
- 4. 你還記得神馬搜索嗎？
- 5. 你還記得快速排序嗎？
- 6. 你還記得windows workflow foundation嗎
- 7. 第一次面試你還記得嗎？
- 8. 你還記得高中的對數函數嗎？
- 9. 還記得Wasserstein GAN嗎？
- 10. 【回顧】還記得JDBC嗎？