“探索C++非质变算法:如何更高效地处理数据“

简介: “探索C++非质变算法:如何更高效地处理数据“

目录


非质变算法(18个)

1、all_of

2、any_of

3、none_of

4、for_each

5、find

6、find_if

7、find_if_not

8、find_end

9、find_first_of

10、adjacent_find

11、count

12、count_if

13、mismatch

14、equal

15、equal_range

16、is_permutation

17、search

18、search_n


前言


头文件定义了一个专门设计用于元素范围的函数集合。
范围是可以通过迭代器或指针访问的任何对象序列,例如数组或某些STL容器的实例。但是请注意,算法通过迭代器直接对值进行操作,不会以任何方式影响任何可能的容器的结构(它永远不会影响容器的大小或存储分配)


正文


非质变算法(18个)


非质变算法:算法不会改变容器的数据。


1、all_of


区间[开始, 结束)中是否所有的元素都满足判断式p,所有的元素都满足条件返回true,否则返回false。

void test1() 
{
  vector<int> vec = { 1,3,5,7,9,11};
  if (all_of(vec.begin(), vec.end(), [](int n)->bool {return n % 2; })) 
  {
    cout << "所有元素都是奇数" << endl;
  }
}


2、any_of


区间[开始, 结束)中是否至少有一个元素都满足判断式p,只要有一个元素满足条件就返回true,否则返回true

void test2()
{
  vector<int> vec = { 1,3,5,7,9,11,2 };
  if (any_of(vec.begin(), vec.end(), [](int n)->bool {return n % 2==0; }))
  {
    cout << "存在偶数" << endl;
  }
}


3、none_of


区间[开始, 结束)中是否所有的元素都不满足判断式p,所有的元素都不满足条件返回true,否则返回false,all_of正好相反,所以只用换函数就可以了,不用换判断条件

void test3()
{
  vector<int> vec = { 2,4,6,8,10 };
  if (none_of(vec.begin(), vec.end(), [](int n)->bool {return n % 2; }))
  {
    cout << "所有元素都不是奇数" << endl;
  }
}


4、for_each


将函数应用到范围,下面的例子是将Lambad表达式组成的打印函数应用到vec中,打印

void test()
{
  vector<int>  vec = { 1,3,5,7,9 };
  for_each(vec.begin(), vec.end(), [](int n) {cout << n << " "; });
}


5、find


在范围内搜索等于value的值

void test4()
{
  vector<int>  vec = { 1,3,5,7,9 };
  auto it = find(vec.begin(), vec.end(), 5);
  if (it != vec.end())
  {
    cout << "found it:" << *it << endl;
  }
  else
  {
    cout << "not found" << endl;
  }
}


6、find_if


根据指定的查找规则,在指定区域内查找第一个符合该函数要求(使函数返回 true)的元素.下面的例子返回3,因为第一个大于2的是3

void test()
{
  vector<int>  vec = { 1,3,5,7,9 };
    //查找第一个大于2的元素
  auto it = find_if(vec.begin(), vec.end(), [](int n) {return n > 2; });
  if (it != vec.end())
  {
    cout << "found it:" << *it << endl;
  }
  else
  {
    cout << "not found" << endl;
  }
}


7、find_if_not


查找范围内的元素,not表示否定,上面的例子,使用find_if_not就表示查找不大于2的元素(小于或等于2的元素)

void test6()
{
  vector<int>  vec = { 1,3,5,7,9 };
  //查找第一个小于等于2的元素
  auto it = find_if_not(vec.begin(), vec.end(), [](int n) {return n > 2; });
  if (it != vec.end())
  {
    cout << "found it:" << *it << endl;
  }
  else
  {
    cout << "not found" << endl;
  }
}


8、find_end


template <class _FwdIt1, class _FwdIt2
_FwdIt1 find_end(_FwdIt1 const _First1, const _FwdIt1 _Last1, const _FwdIt2 _First2, const _FwdIt2 _Last2)


在[first1,last1)范围内搜索由[first2,last2)定义的序列的最后一次出现,并返回指向其第一个元素的迭代器,如果没有出现,则返回指向last1的迭代器。


两个范围中的元素都使用操作符==(或在版本(2)中使用pred)进行顺序比较:只有当[first2,last2)的所有元素都为真时,才认为[first1,last1)的子序列是匹配的

6929d686b167340e0d211a5b47fa6b54_4782375767a04e618571c212e601785c.png


9、find_first_of


template <class _FwdIt1, class _FwdIt2>
_FwdIt1 find_first_of(const _FwdIt1 _First1, const _FwdIt1 _Last1, const _FwdIt2 _First2,
    const _FwdIt2 _Last2)

返回一个迭代器,指向范围[first1,last1)中与[first2,last2)中的任何元素匹配的第一个元素。如果没有找到这样的元素,函数返回last1。


[first1,last1)中的元素使用操作符==(或在版本(2)中使用pred)与[first2,last2)中的每个值进行顺序比较,直到匹配为止。

void test()
{
  int arr[] = { 1,3,1,4,5,2,0 };
  int sub[] = { 5,3 };
  auto it = find_first_of(arr, arr + 7,sub,sub+2);
  if (it != arr + 7)
  {
    cout << "在arr中找到与sub中匹配的元素" <<*it<< endl;
  }
  else
  {
    cout << "not found" << endl;
  }
}


10、adjacent_find


求范围内相等的相邻元素,在[first,last]范围内搜索匹配的两个连续元素的第一次出现,并返回指向这两个元素中的第一个的迭代器,如果没有找到这样的对,则返回指向最后一个的迭代器。

void test()
{
  int arr[] = { 1,3,3,4,5,2,0,6,6 };
  vector<int> vec(arr, arr + 9);
  auto it = adjacent_find(vec.begin(), vec.end());
  if (it != vec.end())
    cout << "第一对重复的元素是:" << *it << endl;
  it = adjacent_find(it + 1, vec.end(), [](int a, int b) {return a == b; });
  if (it != vec.end())
    cout << "第二对重复的元素是:" << *it << endl;
}


11、count


在范围内计算值的出现次数

void test()
{
  int arr[] = { 1,3,3,4,5,2,0,6,6 };
  vector<int> vec(arr, arr + 9);
  long long cnt = count(vec.begin(), vec.end(), 3);
  cout << "3出现次数:" << cnt << endl;


12、count_if


返回满足范围条件的元素个数

void test()
{
  int arr[] = { 1,3,3,4,5,2,0,6,6 };
  vector<int> vec(arr, arr + 9);
  long long   //统计大于4的元素个数
  cnt = count_if(vec.begin(), vec.end(), [](int n) {return n > 4; });
  cout << "大于4的元素个数:" << cnt << endl;
}


13、mismatch


返回满足范围条件的元素个数,比较范围[first1,last1]中的元素与从first2开始的范围中的元素,并返回两个序列中第一个不匹配的元素。

440e7cdd0d369aebb23da95e6c2fd23c_34715e3be77e40ab91082852b90b3883.png


14、equal


测试两个范围内的元素是否相等,比较元素个数为两个序列中最短的那个序列的元素个数。

15f0973be23ee81174d7cd9f538b4588_83193a2805834583b92695c1984556c6.png


15、equal_range


功能类似equal,返回一对iterator,第一个表示lower_bound,第二个表示upper_bound。

void test()
{
  vector<int> vec = { 10,20,30,30,20,10,10,20 };
  //必须先排序:因为equal_range使用了二分查找
  sort(vec.begin(), vec.end());
  auto mpair = equal_range(vec.begin(), vec.end(), 20);
  cout << *mpair.first << " " << *mpair.second << endl;
}


16、is_permutation


比较范围[first1,last1)中的元素与从first2开始的范围中的元素,如果两个范围中的所有元素都匹配,则返回true,即使顺序不同。

void test()
{
  vector<int> vec = { 1,2,3,4,5 };
  vector<int> vec1 = { 5,4,3,2,1 };
  if (is_permutation(vec.begin(), vec.end(), vec1.begin()))
  {
    cout << "vec vec1两个是排列不同的相同序列" << endl;
  }
}


17、search


在[first1,last1)范围内搜索由[first2,last2)定义的序列的第一次出现,并返回指向其第一个元素的迭代器,如果没有找到第一次出现的元素,则返回指向last1的迭代器。

void test()
{
  vector<int> vec = { 1,2,88,3,4,5,9,7 };
  int ints[] = {4,5};
  auto it =  search(vec.begin(), vec.end(), ints, ints + 2);
  if (it != vec.end())
  {
    cout << "ints fount at pos:" << it - vec.begin() << endl;
  }
}


18、search_n


搜索范围[first,last)中元素的值为val的数量是否为count,每个元素的比较值都等于val(或pred返回true)。

该函数返回指向第一个此类元素的迭代器,如果没有找到此类序列则返回指向最后一个元素的迭代器。

71b16bf6197969735582ad5a30b24de2_7470448ab85d4738b85e41508f5eafdb.png


相关文章
|
1月前
|
机器学习/深度学习 算法 前端开发
别再用均值填充了!MICE算法教你正确处理缺失数据
MICE是一种基于迭代链式方程的缺失值插补方法,通过构建后验分布并生成多个完整数据集,有效量化不确定性。相比简单填补,MICE利用变量间复杂关系,提升插补准确性,适用于多变量关联、缺失率高的场景。本文结合PMM与线性回归,详解其机制并对比效果,验证其在统计推断中的优势。
828 11
别再用均值填充了!MICE算法教你正确处理缺失数据
|
2月前
|
传感器 机器学习/深度学习 算法
【使用 DSP 滤波器加速速度和位移】使用信号处理算法过滤加速度数据并将其转换为速度和位移研究(Matlab代码实现)
【使用 DSP 滤波器加速速度和位移】使用信号处理算法过滤加速度数据并将其转换为速度和位移研究(Matlab代码实现)
221 1
|
3月前
|
机器学习/深度学习 Dragonfly 人工智能
基于蜻蜓算法优化支持向量机(DA-SVM)的数据多特征分类预测研究(Matlab代码实现)
基于蜻蜓算法优化支持向量机(DA-SVM)的数据多特征分类预测研究(Matlab代码实现)
111 0
|
2月前
|
机器学习/深度学习 算法 调度
14种智能算法优化BP神经网络(14种方法)实现数据预测分类研究(Matlab代码实现)
14种智能算法优化BP神经网络(14种方法)实现数据预测分类研究(Matlab代码实现)
325 0
|
4月前
|
传感器 机器学习/深度学习 分布式计算
卡尔曼滤波的多传感器数据融合算法
卡尔曼滤波的多传感器数据融合算法
647 0
|
1月前
|
机器学习/深度学习 人工智能 算法
【基于TTNRBO优化DBN回归预测】基于瞬态三角牛顿-拉夫逊优化算法(TTNRBO)优化深度信念网络(DBN)数据回归预测研究(Matlab代码实现)
【基于TTNRBO优化DBN回归预测】基于瞬态三角牛顿-拉夫逊优化算法(TTNRBO)优化深度信念网络(DBN)数据回归预测研究(Matlab代码实现)
112 0
|
2月前
|
存储 监控 算法
企业电脑监控系统中基于 Go 语言的跳表结构设备数据索引算法研究
本文介绍基于Go语言的跳表算法在企业电脑监控系统中的应用,通过多层索引结构将数据查询、插入、删除操作优化至O(log n),显著提升海量设备数据管理效率,解决传统链表查询延迟问题,实现高效设备状态定位与异常筛选。
115 3
|
2月前
|
算法 数据挖掘 定位技术
基于密度的聚类算法能够在含有噪声的数据集中识别出任意形状和大小的簇(Matlab代码实现)
基于密度的聚类算法能够在含有噪声的数据集中识别出任意形状和大小的簇(Matlab代码实现)
|
2月前
|
机器学习/深度学习 数据采集 运维
改进的遗传算法优化的BP神经网络用于电厂数据的异常检测和故障诊断
改进的遗传算法优化的BP神经网络用于电厂数据的异常检测和故障诊断
|
3月前
|
机器学习/深度学习 传感器 边缘计算
【轴承故障诊断】基于融合鱼鹰和柯西变异的麻雀优化算法OCSSA-VMD-CNN-BILSTM轴承诊断研究【西储大学数据】(Matlab代码实现)
【轴承故障诊断】基于融合鱼鹰和柯西变异的麻雀优化算法OCSSA-VMD-CNN-BILSTM轴承诊断研究【西储大学数据】(Matlab代码实现)
119 0

热门文章

最新文章