模拟实现顺序表

简介: 模拟实现顺序表

一:线性表

1:线性表的概念:

线性表是n个具有相同特性的数据元素的有限序列。

常见的线性表有:顺序表,链表,栈,队列…

线性表在逻辑上是连续的(线性结构),在空间上(内存存储)不一定是连续的。线性表在空间上存储时,一般以数组或链式结构的形式存储。

二:顺序表:

1:顺序表的概念:

顺序表是一段用一段空间地址连续的存储单元依次存储数据元素的线性结构,一般情况下采用数组存储。在数组上完成数组的增删改查。

2. 实现 ArrayList 类

public class MyArraylist {
    public int[] elem;
    public int usedSize;//0
    //默认容量
    private static final int DEFAULT_SIZE = 10;
    public MyArraylist() {
        this.elem = new int[DEFAULT_SIZE];
    }
    /**
     * 打印顺序表:
     *   根据usedSize判断即可
     */
    public void display() {
    }
    // 新增元素,默认在数组最后新增
    public void add(int data) {
    }
    /**
     * 判断当前的顺序表是不是满的!
     * @return true:满   false代表空
     */
    public boolean isFull() {
    }
    private boolean checkPosInAdd(int pos) {
        return true;//合法
    }
    // 在 pos 位置新增元素
    public void add(int pos, int data) {
    }
    // 判定是否包含某个元素
    public boolean contains(int toFind) {
        return false;
    }
    // 查找某个元素对应的位置
    public int indexOf(int toFind) {
        return -1;
    }
    // 获取 pos 位置的元素
    public int get(int pos) {
    }
    private boolean isEmpty() {
    }
    // 给 pos 位置的元素设为【更新为】 value
    public void set(int pos, int value) {
    }
    /**
     * 删除第一次出现的关键字key
     * @param key
     */
    public void remove(int key) {
    }
    // 获取顺序表长度
    public int size() {
    }
    // 清空顺序表
    public void clear() {
    }
import java.util.Arrays;
 class MyArraylist {
    public int[] elem;
    public int usedSize;//0
    //默认容量
    private static final int DEFAULT_SIZE = 10;//初始化顺序表usedSize=0;
    public MyArraylist() {
        this.elem = new int[DEFAULT_SIZE];
    }
    /**
     * 打印顺序表:
     * 根据usedSize判断即可
     */
    public void display() {//遍历顺序表
        for (int i = 0; i < usedSize; i++) {
            System.out.print(elem[i] + " ");
        }
        System.out.println();
    }
    // 新增元素,默认在数组最后新增
    public void add(int data) {
        if (isFull()) {//判断是否为满了,数组满了需要扩容
            elem = Arrays.copyOf(elem, elem.length * 2);
        }
        elem[usedSize] = data;
        usedSize++;
    }
    /**
     * 判断当前的顺序表是不是满的!
     *
     * @return true:满   false代表空
     */
    public boolean isFull() {
        //如果数组满了,返回true
        return usedSize == elem.length;
    }
    private boolean checkPosInAdd(int pos) {
        if (pos > 0 || pos <= usedSize) {
            return true;
        } else {
            return false;
        }
    }
    // 在 pos 位置新增元素
    public void add(int pos, int data) {
        if (checkPosInAdd(pos)) {//判断pos位置是否合法
            for (int i = usedSize - 1; i <= pos; i++) {
                elem[i + 1] = elem[i];
            }
            elem[pos] = data;
            usedSize++;
        } else {
            throw new PosException("pos越界:pos=" + pos);
        }
    }
    // 判定是否包含某个元素
    public boolean contains(int toFind) {
        for (int i = 0; i < usedSize; i++) {
            if (elem[i] == toFind) {
                return true;
            }
        }
        return false;
    }
    // 查找某个元素对应的位置
    public int indexOf(int toFind) {
        for (int i = 0; i < usedSize; i++) {
            if (elem[i] == toFind) {
                return i;
            }
        }
        return -1;
    }
    // 获取 pos 位置的元素
    public int get(int pos) {
        //pos位置是否合法
        if (pos < 0 || pos >= usedSize) {
            throw new PosException("pos越界:pos=" + pos);
        }
        if(isEmpty()){//顺序表是否为空
            throw new IsEmptyExcepptiom("顺序表为空");
        }
        return elem[pos];
    }
    private boolean isEmpty() {
        if (usedSize == 0) {
            return true;
        }
        return false;
    }
    // 给 pos 位置的元素设为【更新为】 value
    public void set(int pos, int value) {
        if (pos < 0 || pos >= usedSize) {//pos位置是否合法
            throw new PosException("pos越界:pos=" + pos);
        }
        elem[pos] = value;
    }
    /**
     * 删除第一次出现的关键字key
     *
     * @param key
     */
    public void remove(int key) {
        if(isEmpty()){
            throw new IsEmptyExcepptiom("顺序表为空");
        }
        int index=indexOf(key);
        for (int i = index; i < usedSize - 1; i++) {
            elem[i] = elem[i + 1];
        }
        usedSize--;
    }
    // 获取顺序表长度
    public int size() {
        return usedSize;
    }
    // 清空顺序表
    public void clear() {
        usedSize = 0;
    }
}
**顺序表模拟实现**
public class Test {
    public static void main(String[] args) {
        MyArraylist myArraylist=new MyArraylist();
        myArraylist.add(1);
        myArraylist.add(2);
        myArraylist.add(3);
        myArraylist.add(4);
        myArraylist.add(5);
        myArraylist.display();
        myArraylist.set(0,100);
        myArraylist.display();
        myArraylist.remove(2);
        myArraylist.display();
    }
}

3:顺序表的缺点:

1:ArrayList底层使用连续的空间,任意位置插入或者删除元素时,需要将后面的数据整体往前移动或者往后移动,故时间复杂度为O(n);

2:扩容需要申请新的空间,拷贝数据,释放旧的空间,会有不小的消耗。

3:扩容:空间一般扩大为原来的2倍,会造成空间的浪费。比如原来空间为1000,而扩容变成2000,但只增加1个数据,造成空间极大的浪费。


目录
相关文章
|
存储 Oracle 关系型数据库
postgresql数据库|wal日志的开启以及如何管理
postgresql数据库|wal日志的开启以及如何管理
2057 0
|
人工智能 NoSQL atlas
生成式AI入门必读:基本概念、数据挑战与解决方案
许多企业正在选择MongoDB Atlas。其原生向量搜索功能,加上统一的 API 和灵活的文档模型,对于寻求通过 RAG 方法提取专有数据来增强 LLM 的企业来说,是一个有吸引力的选择。
3817 4
|
并行计算 API 数据处理
GPU(图形处理单元)因其强大的并行计算能力而备受关注。与传统的CPU相比,GPU在处理大规模数据密集型任务时具有显著的优势。
GPU(图形处理单元)因其强大的并行计算能力而备受关注。与传统的CPU相比,GPU在处理大规模数据密集型任务时具有显著的优势。
|
存储 关系型数据库 MySQL
2022年最新最详细的MYSQL数据库安装(详细图解过程、毕成功)
这篇文章提供了2022年最新最详细的MYSQL数据库安装教程,包括下载、安装步骤图解、初始化配置文件创建、登录密码修改注意事项,并分享了作者在安装过程中遇到的常见问题及其解决方法。
2022年最新最详细的MYSQL数据库安装(详细图解过程、毕成功)
|
SQL 存储 关系型数据库
【Hive】Hive有哪些方式保存元数据,各有哪些特点?
【4月更文挑战第17天】【Hive】Hive有哪些方式保存元数据,各有哪些特点?
|
8天前
|
存储 关系型数据库 分布式数据库
PostgreSQL 18 发布,快来 PolarDB 尝鲜!
PostgreSQL 18 发布,PolarDB for PostgreSQL 全面兼容。新版本支持异步I/O、UUIDv7、虚拟生成列、逻辑复制增强及OAuth认证,显著提升性能与安全。PolarDB-PG 18 支持存算分离架构,融合海量弹性存储与极致计算性能,搭配丰富插件生态,为企业提供高效、稳定、灵活的云数据库解决方案,助力企业数字化转型如虎添翼!
|
7天前
|
存储 人工智能 Java
AI 超级智能体全栈项目阶段二:Prompt 优化技巧与学术分析 AI 应用开发实现上下文联系多轮对话
本文讲解 Prompt 基本概念与 10 个优化技巧,结合学术分析 AI 应用的需求分析、设计方案,介绍 Spring AI 中 ChatClient 及 Advisors 的使用。
346 130
AI 超级智能体全栈项目阶段二:Prompt 优化技巧与学术分析 AI 应用开发实现上下文联系多轮对话
|
19天前
|
弹性计算 关系型数据库 微服务
基于 Docker 与 Kubernetes(K3s)的微服务:阿里云生产环境扩容实践
在微服务架构中,如何实现“稳定扩容”与“成本可控”是企业面临的核心挑战。本文结合 Python FastAPI 微服务实战,详解如何基于阿里云基础设施,利用 Docker 封装服务、K3s 实现容器编排,构建生产级微服务架构。内容涵盖容器构建、集群部署、自动扩缩容、可观测性等关键环节,适配阿里云资源特性与服务生态,助力企业打造低成本、高可靠、易扩展的微服务解决方案。
1332 8