文章目录
- 搜索
- Map 的使用
- 集合框架即背后的数据结构 - 简略概括图
-
- Map 的 说明
- Map 的常用方法说明
-
- 实践
-
- put 功能 - 设置 key 对应的 value
- 细节
- get 功能 - 返回 key 对应的 value
- getDefault功能 - 返回 key 对应的 value，key 不存在，返回默认值
- remove功能 - 删除 key 对应的映射关系
- Set keySet() - 返回所有 key 的不重复集合
- Collection values() - 返回所有 value 的可重复集合
- Set < Map.Entry < K , V > > entrySet() - 返回所有的 key-value 映射关系
- boolean containsKey(Object key) - 判断是否包含 key
- boolean containsValue(Object value) |判断是否包含 value
- 注意事项
- Set 的说明
- 面试题练习
-
- [LeetCode - 136. 只出现一次的数字](https://leetcode-cn.com/problems/single-number/)
- [LeetCode - 138. 复制带随机指针的链表](https://leetcode-cn.com/problems/copy-list-with-random-pointer/)
- [LeetCode - 771. 宝石与石头](https://leetcode-cn.com/problems/jewels-and-stones/)
- [ 牛客网 - 旧键盘 (20)](https://www.nowcoder.com/questionTerminal/f88dafac00c8431fa363cd85a37c2d5e)
- [LeetCode - 692. 前K个高频单词](https://leetcode-cn.com/problems/top-k-frequent-words/description/)
搜索
概念及场景
Map 和 Set 是一种专门用来进行搜索的容器或者数据结构，其搜索的效率与其具体的实例化子类有关。以前常见的搜索方式有：
1、直接遍历：时间复杂度O(N),元素如果比较多效率会非常慢
2、二分查找，时间复杂度O(log2 N)，但搜索前必须要求序列是有序的
上述搜索比较适合静态类型的查找，即一般不会对区间进行插入和删除操作。
而现实中的查找比如：
1、根据姓名查询考试成绩
2、通讯录，即根据姓名查询联系方式
3、不重复集合，即需要先搜索关键字是否已在集合中
可能在查找时进行一些插入和删除的操作，即动态查找，那上述两种方式就不太适合了。
Map 和 Set 就是一种适合动态查找的集合容器。
模型
一般把搜索的数据称为关键字（Key），和关键字对应的称为值（value），将其称之为 Key - Value的“键值对”，所以模型会有两种：1、纯key 模型 ，2、Key - Value 模型
纯 Key 模型
1、有一个英文字典，快速查找一个单词是否在词典中
2、快速查找某个名字在不在通讯录中
Key - Value模型
1、 统计文件中每个单词的出现次数，统计结果是每个单词都有 与其对应的次数：<单词(Key)，单词的出现次数(Value)>
2、梁山好汉的江湖绰号：每个好汉都有自己的江湖绰号（Key 及时雨，Value宋江）
Map 中存储的就是 Key - Value 的“键值对”，Set中只存储了Key。
Map 的使用
Map的官方文档，可以下一个网易有道，翻译一下对着看。
集合框架即背后的数据结构 - 简略概括图
Map 的 说明
Map 是一个接口类，该类没有继承自Collection，该类中存储的是<K,V>结构的“键值对”，并且K一定是唯一的，不能重复。
Map 的常用方法说明
由于 HashM安排 和 TrreMap 没有特别大的区别。几乎是一样的功能。
所以，我们以讲解 HashMap 为主。
| 方法 | 解释 |
|---|---|
| V get(Object key) | 返回 key 对应的 value |
| V getOrDefault(Object key, V defaultValue) | 返回 key 对应的 value，key 不存在，返回默认值 |
| V put(K key, V value) | 设置 key 对应的 value |
| V remove(Object key) | 删除 key 对应的映射关系 |
| Set keySet() | 返回所有 key 的不重复集合 |
| Collection values() | 返回所有 value 的可重复集合 |
| Set<Map.Entry<K, V>> entrySet() | 返回所有的 key-value 映射关系 |
| boolean containsKey(Object key) | 判断是否包含 key |
| boolean containsValue(Object value) | 判断是否包含 value |
实践
put 功能 - 设置 key 对应的 value
问题就来了！为什么 存入数据的顺序 和 打印数据的顺序 不一样？
这是因为 HashMap 在存储数据的时候，不是按照存储顺序来进行存储。而是根据一个函数来进行存储的。也就是说：具体存储到哪里？是有函数决定的。这个函数就是哈希函数。
所以才会导致 打印的顺序 和 存入的数据的顺序不一样。
细节
但如果只是 Value 为空的话，就不会出现异常。（也就是说 在TreeMap 存储数据的时候，Key 不能为null）
get 功能 - 返回 key 对应的 value
细节
不建议像下面这样去操作。
getDefault功能 - 返回 key 对应的 value，key 不存在，返回默认值
remove功能 - 删除 key 对应的映射关系
Set keySet() - 返回所有 key 的不重复集合
至于为什么说 keySet方法 是返回不重复的集合。
是因为 Set 中 相同的数据只能存储一次。也就说Set里面存储的元素都是不同的。
这个在讲到Set的时候，你们就明白了。
而在 Map 中 存储 相同的元素，也有着自身的特点。
其 value 会根据最后一次的put的value值，进行更新。
Collection values() - 返回所有 value 的可重复集合
Set < Map.Entry < K , V > > entrySet() - 返回所有的 key-value 映射关系
boolean containsKey(Object key) - 判断是否包含 key
boolean containsValue(Object value) |判断是否包含 value
注意事项
1、Map 是一个接口，不能直接实例化对象，如果实例化对象只能实例化其实现类 TreeMap 和 HashMap。
2、Map中存储“键值对” 的 Key 是唯一的，value 是可重复的。
3、在 TreeMap 中插入“键值对”时，key不能为null，否则就会抛出【NullPointerException异常】，但是Value可以为null。【HashMap 就没有这个问题】
4、Map 中的 Key 可以全部分离出来，存储到 Set中来进行访问（因为 Key 是不能重复）。
5、Map 中的 Value 可以全部分离出来，存储在 Collection 的 任何一个子集合中（value可能有重复）。
6**、Map 中 “键值对” 的 Key 不能直接修改**，value可以修改，如果要修改 Key，只能先将Key删除掉，然后再来进行重新插入。
7、TreeMap 和 HashMap 的区别
| Map 底层结构 | TreeMap | HashMap |
|---|---|---|
| 底层结构 | 红黑树 | 哈希桶 |
| 插入/删除/查找时间复杂度 | O(log2 N) | O(1)【HashMap的效率非常高】 |
| 是否有序 | 关于 Key 有序【因为TreeMap 实现了 SortedMap接口，所以放入TreeMap 的数据是一定可以比较，即内部实现了 comparable接口】 | 无序 |
| 线程安全 | 不安全 | 不安全 |
| 插入./删除/查找区别 | Key必须能够比较，否则会抛出ClassCastException 异常 | 自定义类型需要覆写 equals 和 hashCode方法 |
| 应用场景 | 需要Key 有序场景下 | Key 是否有序不关心，需要更高的时间性能 |
Set 的说明
Set 的官方文档
Set 和 Map 主要的不用有两点：Set 继承自 Collection的接口类，Set 中只存储了 Key。
而 Map 是一个单独的接口，Map 中 存储 Key - Value
另外，Set 又称集合【Set 的汉语意思就是 集合】，它具有去重的功能，相同的元素，它只存储一个。
常见方法说明
| 方法 | 解释 |
|---|---|
| boolean add(E e) 添加元素 | 但重复元素不会被添加成功 |
| void clear() | 清空集合 |
| boolean contains(Object o) | 判断 o 是否在集合中 |
| Iterator iterator() | 返回迭代器 |
| boolean remove(Object o) | 删除集合中的 o |
| int size() | 返回set中元素的个数 |
| boolean isEmpty() | 检测set是否为空，空返回true，否则返回false |
| Object[] toArray() | 将set中的元素转换为数组返回 |
| boolean containsAll(Collection<?> c) | 集合c中的元素是否在set中全部存在，是返回true，否则返回false |
| boolean addAll(Collection<? extendsE> c) | 将集合c中的元素添加到set中，可以达到去重的效果 |
实践 - 后面两个不演示，用的少
boolean add(E e) 添加元素 - 但重复元素不会被添加成功
void clear() - 清空集合
boolean contains(Object o) - 判断 o 是否在集合中
Iterator iterator() - 返回迭代器
可参考 List 接口相关知识 - ArrayList数据结构
此时，我们再来迭代器是如何打印 Set 中的元素。
boolean remove(Object o) - 删除集合中的 o
int size() - 返回set中元素的个数
boolean isEmpty() - 检测set是否为空，空返回true，否则返回false
Object[] toArray() - 将set中的元素转换为数组返回
注意事项：
1、Set 是继承自 Collection 的 接口类
2、Set 中 值存储了 Key，并且要求 Key 一定要唯一
3、Set 的底层是 使用 Map 来实现，其使用 Key 与 Object 的 一个默认对象作为 “键值对” 插入到Map中的
4、Set 最大的功能就是集合中的元素进行去重
5、 实现 Set 接口的常用类 有 TreeSet 和 HashSet，还有一个linkedHashSet，LinkedHashSet 是在 HashSet 的基础上 维护了一个双向链表来记录元素的插入次序。
6、Set 中 Key 不能修改，如果要修改，先将原来的删除掉，然后再重新插入。
7、Set 中不能插入 null 的 key
8、TreeSet 和 HashSet 的区别
| Set底层结构 | TreeSet | HashSet |
|---|---|---|
| 底层结构 | 红黑树 | 哈希桶 |
| 插入/删除/查找时间 | O(log2 N) | O(1) |
| 是否有序 | 关于Key有序 | 不一定有序 |
| 线程安全 | 不安全 | 不安全 |
| 插入/删除/查找区别 | 按照红黑树的特性来进行插入和删除 | 1. 先计算key哈希地址 2. 然后进行插入和删除 |
| 比较与覆写 | key必须能够比较，否则会抛出ClassCastException异常 | 自定义类型需要覆写equals和hashCode方法 |
| 应用场景 | 需要Key有序场景下 | Key是否有序不关心，需要更高的时间性能 |
面试题练习
LeetCode - 136. 只出现一次的数字
解题思维一：HashSet - 这个思维不适合这题，主要锻炼对 HashSet的掌握。
将所有数据存储 HashSet 中，根据 Set 的 特性，我们明白 Set 具有去重的功能。
所以，我们不能一股脑全部将数据存入，需要作出判断。
思路：在存入数据的时候，去判断存入的数据，在Set 中 是否存在，如果存在，则将该数据删除。
不存在就存入。
【注意题干！最多就两个相同数据】
取出的时候，只需要遍历数组，通过 contains 方法，判断是否包含元素 Key。找到了就返回 Key。
如果没有找到那个只出现一次的 Key，就返回 -1。
代码如下
class Solution {
public int singleNumber(int[] nums) {
Set<Integer> set = new HashSet<>();
for(int i : nums){
if(set.contains(i)){
set.remove(i);
}else{
set.add(i);
}
}
int result = 0;
for(int i : nums){
if( set.contains(i)){
result = i;
}
}
return result;
}
}
解题思维二：HashMap - 【key 为 元素， Value 为 出现次数】
将数据全部存入 HashMap 中，并在存入的过程中判断该元素 在HashMap 中是否存在。
如果存在，说明它已经有一个了【value = 1】，即我们需要在此基础上加上1。反之，如果 HashMap中不存在该元素，返回的Value 为 null，此时就是第一次存入，将 对应 Key - Value 存入。
取出的时候，只需要遍历数组，通过 get 方法，返回其 Value 值，如果等于1，就返回 对应 Key。
如果没有找到那个只出现一次的 Key，就返回 -1。
代码如下
class Solution {
public int singleNumber(int[] nums) {
Map<Integer,Integer> map = new HashMap<>();
for(int i : nums){
Integer count = map.get(i);
count = count == null ? 1 : ++count;
map.put(i, count);
}
for(int i : nums){
Integer count = map.get(i);
if(count == 1){
return i;
}
}
return -1;
}
}
解题思维二： 异或
利用异或的特性： 相同为零，相异为1。
而题目说： 数组中只有一个出现一次的元素，其它都是两次。也就是说 一旦进行异或，这些出现2次的元素最终异或的结果为 零，而 只出现一次的元素 与 零进行异或，其结果还是 只出现一次的元素。
所以，我们要做的就是将数组的所有元素进行异或，其结果就是 只出现一次的元素。
代码如下
class Solution {
public int singleNumber(int[] nums) {
int result = nums[0];
for(int i = 1;i < nums.length;i++){
result ^= nums[i];
}
return result;
}
}
LeetCode - 138. 复制带随机指针的链表
思维一 ： 叠代实现
你们可以直接看我这篇博客复制带随机指针的链表 - Java - 迭代实现
思维二 ： HashMap
代码如下
class Solution {
public Node copyRandomList(Node head) {
Map<Node,Node> map = new HashMap<>();
Node tmp = head;
while(tmp != null){
Node node = new Node(tmp.val);
map.put(tmp,node);
tmp = tmp.next;
}
tmp = head;
while(tmp != null){
map.get(tmp).next = map.get(tmp.next);
map.get(tmp).random = map.get(tmp.random);
tmp = tmp.next;
}
return map.get(head);
}
}
LeetCode - 771. 宝石与石头
解题思维一 ：HashSet
利用HashSet的去重机制，去记录 jewels 字符串中的 “宝石类型”/ 字符。
至于为什么用HashSet：是因为我们不需要去记录每个类型宝石的对应的个数。
只需要去统计宝石的总个数。
后面，创建一个整形变量result去记录宝石的个数，只需要去 遍历stones字符串，利用 HashSet 的 contains 方法去判断 stones 字符串里的 字符 是在存在HashSet 中，如果存在就加一。最终返回累加结果。
代码如下
// 时间复杂度：O(m+n)，其中m是字符串jewels 的长度，n 是字符串stones 的长度。
// 空间复杂度：O(m)，其中 m 是字符串jewels 的长度。使用哈希集合存储字符串jewels 中的字符个数。
class Solution {
public int numJewelsInStones(String jewels, String stones) {
Set<Character> set = new HashSet<>();
for(int i = 0;i < jewels.length();i++){
set.add(jewels.charAt(i));
}
int result = 0;
for(int i = 0;i < stones.length();i++){
if(set.contains(stones.charAt(i))){
result++;
}
}
return result;
}
}
解题思维二 ：暴力
双重循环：外层 遍历 jewels，内层遍历 stones。
思路：先定义一个整形变量 result ，每拿到一个 jewels的字符，就到 stones 去里看看有没有“符合条件的宝石”。
有 ： result++。
最后返回累加的结果。
代码如下
//时间复杂度：O(mn)，其中 m 是字符串 jewels 的长度，n 是字符串stones 的长度。
// 空间复杂度：O(1)。只需要维护常量的额外空间
class Solution {
public int numJewelsInStones(String jewels, String stones) {
int result = 0;
for(int i = 0;i < jewels.length();i++){
char ch = jewels.charAt(i);
for(int j = 0;j < stones.length();j++){
if(stones.charAt(j) == ch){
result++;
}
}
}
return result;
}
}
牛客网 - 旧键盘 (20)
解题思维 ： HashSet
为了方便大家理解，我将输入的数据整理一下。
我们的思路：还是利用HashSet 去做。
代码如下
import java.util.*;// 导包
public class Main{
public static void function(String strExpect,String strActtal){
Set<Character> setA = new HashSet<>();
// strActtal 先转大写，再转为数组
for(char ch : strActtal.toUpperCase().toCharArray()){
setA.add(ch);
}
Set<Character> setP = new HashSet<>();
// strExpect 先转大写，再转为数组
for(char ch : strExpect.toUpperCase().toCharArray()){
if(!setA.contains(ch) && !setP.contains(ch)){
System.out.print(ch);
setP.add(ch);
}
}
}
public static void main(String[] args){
// 循环输入
Scanner sc = new Scanner(System.in);
while(sc.hasNextLine()){
String strExpect = sc.nextLine();
String strActtal = sc.nextLine();
function(strExpect,strActtal);
}
sc.close();// 资源回收
}
}
LeetCode - 692. 前K个高频单词
题目分析
看到上面框选的文字，我们脑中的第一个想法：这涉及到 TopK - 问题。
既然是TopK 问题，再加上题目要求返回的是 前k个出现次数最多额单词。
那么，我们就需要建立一个 小根堆。
但这不是难点，难点下面图所框选的。
下面我们就分析一下这两个条件。
下面，我们一个个来解决问题。 先来解决第一个问题：返回的答案应该按单词出现频率由高到低排序
import java.util.*;
public class Manuscript{
public static List<String> topKFrequent(String[] words, int k) {
// 1、 统计 每个单词的出现的次数 》》 map
HashMap<String,Integer> map = new HashMap<>();
for(String s : words){
if(map.get(s) == null){
map.put(s,1);
}else{
int val = map.get(s);
map.put(s,val+1);
}
}
// 第二步 建立一个 大小为 K 的小根堆。【Key - word，Value - 出现次数】
// 利用 entrySet 方法，将 Key - Value 结合。看作一个整体
PriorityQueue<Map.Entry<String,Integer>> minHeap = new PriorityQueue<>(k, new Comparator<Map.Entry<String, Integer>>() {
@Override
public int compare(Map.Entry<String, Integer> o1, Map.Entry<String, Integer> o2) {
return o1.getValue() - o2.getValue();
// 以 出现次数 大小 为比较规则。
}
});
// 遍历map，建堆。
for (Map.Entry<String,Integer> entry:map.entrySet()) {
// 先放入 K 个 元素。
if(minHeap.size() < k){
minHeap.offer(entry);
}else {
// 说明堆中 已经放满了 K 个元素，接下里需要看堆顶元素的数据 和 当前的数据的大小关系
Map.Entry<String,Integer> top = minHeap.peek();
//判断频率是否相同，如果相同，比较单词的大小，单词ASCII小 的 入队。
// 因为题目要求：如果不同的单词有相同出现频率， 按字典顺序 排序
// a ~ z ASCII码：97 ~ 122
if(entry.getValue().compareTo(top.getValue()) == 0 ){
if(top.getKey().compareTo(entry.getKey()) > 0){
minHeap.poll();
minHeap.offer(entry);
}
}else{
// 出现频率高：入堆。
if(entry.getValue().compareTo(top.getValue()) > 0){
minHeap.poll();
minHeap.offer(entry);
}
}
}
}
System.out.println(minHeap);
// 返回值类型 创建
List<String> ret = new ArrayList<>();
for(int i = 0;i < k;i++){
Map.Entry<String,Integer> top = minHeap.poll();
ret.add(top.getKey());
}
// 反转/ 逆置
Collections.reverse(ret);
return ret;
}
public static void main(String[] args) {
String[] worlds = {
"the", "day", "is", "sunny", "the", "the", "the", "sunny", "is", "is"};
List<String> list = topKFrequent(worlds,4);
System.out.println(list);
}
}
但是，还没完。还有一个点没有解决 ： 就是在前 K个出现次数最多的单词里，存在两个出现次数一样的不同单词。需要按照字母表顺序排序排列。
就比如，我们代入示例1的结果。
这个问题出在哪里呢？就在下图的代码位置
代码如下
public class Manuscript{
public List<String> topKFrequent(String[] words, int k) {
// 1、 统计 每个单词的出现的次数 》》 map
HashMap<String,Integer> map = new HashMap<>();
for(String s : words){
if(map.get(s) == null){
map.put(s,1);
}else{
int val = map.get(s);
map.put(s,val+1);
}
}
// 第二步 建立一个 大小为 K 的小根堆。
PriorityQueue<Map.Entry<String,Integer>> minHeap = new PriorityQueue<>(k, new Comparator<Map.Entry<String, Integer>>() {
@Override
public int compare(Map.Entry<String, Integer> o1, Map.Entry<String, Integer> o2) {
if(o1.getValue().compareTo(o2.getValue()) == 0){
return o2.getKey().compareTo(o1.getKey());
}
return o1.getValue() - o2.getValue();
}
});
// 遍历map，建堆。
for (Map.Entry<String,Integer> entry:map.entrySet()) {
if(minHeap.size() < k){
minHeap.offer(entry);
}else {
// 说明堆中 已经放满了 K 个元素，需要看堆顶元素的数据 和 当前的数据的大小关系
Map.Entry<String,Integer> top = minHeap.peek();
//判断频率是否相同，如果相同，比较单词的大小，单词ASCII小 的 入队。
if(entry.getValue().compareTo(top.getValue()) == 0 ){
if(top.getKey().compareTo(entry.getKey()) > 0){
minHeap.poll();
minHeap.offer(entry);
}
}else{
if(entry.getValue().compareTo(top.getValue()) > 0){
minHeap.poll();
minHeap.offer(entry);
}
}
}
}
List<String> ret = new ArrayList<>();
for(int i = 0;i < k;i++){
Map.Entry<String,Integer> top = minHeap.poll();
ret.add(top.getKey());
}
Collections.reverse(ret);
return ret;
}
}
