【C++ 笔记四】STL 标准模板库 —— 容器基础

news2024/11/24 10:26:59

【C++ 笔记四】STL 标准模板库 —— 容器基础

文章目录

  • 【C++ 笔记四】STL 标准模板库 —— 容器基础
    • I - 概述 STL
      • 1.1 - 范围与定义
      • 1.2 - 组成与关系
      • 1.3 - 实用举例
    • II - 概述容器
      • 2.1 - 迭代器
      • 2.2 - 容器的结构与分类
      • 2.3 - 序列式容器
      • 2.4 - 关联式容器
      • 2.5 - 不定序容器
      • 2.6 - 总述
    • III - 参考书目

I - 概述 STL

1.1 - 范围与定义


Standard Template Library (标准模板库) 包含于 Standard Library (标准库) 中,都封装于命名空间 std 中。

属于泛型编程 (Generic Programming) ,使用模板 (template) 为主要工具来编写的程序。

1.2 - 组成与关系


STL 包含六大组件 :

  1. 容器 (Containers)
  2. 分配器 (Allocators)
  3. 算法 (Algorithms)
  4. 迭代器 (Iterators)
  5. 适配器 (Adapters)
  6. 仿函数 (Functors)

这六大组件之间的关系图如下:

在这里插入图片描述

容器 用来存储数据,数据占用内存,容器背后有一个部件负责内存的分配与释放,这个组件就是分配器 ,此操作对用户透明,所以在使用容器时,基本不需要去管内存的分配与释放。

算法 ,如常用的 sort 排序和查找等,算法通过 迭代器 去访问容器的内容,有时我们排序需要自定义排序方式,这些自定义的方法就是 仿函数 ,其他的一些细节的操作就是通过 适配器 来完成的。

1.3 - 实用举例


如下,使用了六个组件的一段代码:

int arr[6] = { 19, 23, 52, 18, 50, 9 };

std::vector<int, allocator<int>> vec(arr, arr+6);

std::cout << count_if(vec.begin(), vec.end(), 
not1(bind2nd(less<int>(), 50)));

首先来识别一下代码中的各个元素:

在这里插入图片描述
代码中首先创建一个 6 个元素的整型数组,然后基于数组构建一个 整型容器 vector<int> vec ,容器使用整型的默认分配器,count_if 为算法,通过 vec 的首尾迭代器访问容器中的全部元素,此算法为条件计数,仿函数 less<int>() 比较任意两个元素的小于是否满足。

bind2nd 为仿函数适配器,将仿函数的第二个元素绑定为 50 ,即所有小于 50 的元素,not1 同样为仿函数适配器,将原来的结果取反,即 vec 中所有大于等于 50 的元素个数,所以输出结果为 2。

II - 概述容器

2.1 - 迭代器


迭代器是一种泛化的指针,可以使用 ++-- 去访问容器中的元素,需要注意它的访问区间是一个 前闭后开 的区间。

在这里插入图片描述
c.begin() 解引用是容器的第一个元素,
c.end() 指向的是容器最后一个元素的下一个元素,所以不能解引用,即 *(c.end()); 可能导致程序异常,程序崩溃异常退出。

基于范围的 for 循环 (range-based for loop),使用迭代器遍历元素语法:

for (decl : coll) {
	statement;
}
// 遍历
for (auto elem : container)  {
	// ...
}
// 修改
for (auto& elem : container) {
	//...
} 
// 查找,建议使用 算法
auto iter = std::find(c.begin(), c.end(), target);

示例

std::vector<double> vec = {/* ... */}; 
// 遍历
for (double elem : vec) {
	std::cout << elem << std::endl;
}
// 修改
for (double& elem : vec) {
	elem *= 3;
}
// 查找
std::vector<double>::iterator iter = std::find(vec.begin(), vec.end(), 1.0);

2.2 - 容器的结构与分类


  • 序列式容器

在这里插入图片描述

  • 关联式容器 (associative containers) ,基于红黑树的实现

在这里插入图片描述

  • 不定序容器 (unordered containers), 或者叫无序容器,基于哈希表实现

在这里插入图片描述

2.3 - 序列式容器


  • array,数组:固定大小,初始时需指定长度,不可更改。元素数量不能动态增长,支持随机访问。

在这里插入图片描述

  • vector,向量,可变长度数组:可单向动态增长,两倍扩容或会造成内存空置。支持下标,随机访问,尾部以外的位置插入/删除可能会比较慢。
    插入使用 insert ,尾部添加元素 push_backemplace_back,不提供 push_frontemplace_front 接口,由于首部添加需要移动所有元素,耗时操作。

在这里插入图片描述

  • deque,双向增长,实质上伪双边增长,实现为映射管理多个分段连续内存。
    两端操作都比较快,支持 push_backemplace_backpush_frontemplace_front

在这里插入图片描述

  • list,双向链表,每个元素包含两个指针,支持双向顺序访问。在链表任何位置插入/删除都很快。动态单个增长, “一个萝卜,一个坑” ,没有空置内存,但相同元素情况下,占用内存大于 vector 。
    非连续内存,不支持随机访问,但遍历缓慢

在这里插入图片描述

  • forward_list,单链表,与 list 相同,在任何位置插入删除都很快。相较 list,一个指针更节约内存,但迭代器不支持递减运算符 ( -- ),不提供 push_backemplace_back 尾端插入函数,由于过于耗时。

在这里插入图片描述

  • stackqueue 栈与队列 ,为容器适配器,表示两种数据结构 队列 ,栈先进后出 (FILO first in last out),队列先进先出 (FIFO first in first out) 。插入方式 push ,删除方式 pop 。不属于容器,不对外提供迭代器访问,不提供随机访问,会破坏结构设计。

2.4 - 关联式容器


关联式容器底层实现为红黑树,查询快,但插入耗时较久,由于每次插入都需要排序。

  • set,集合,元素只存在一份,不重复。
  • multiset,相同的元素可存在多份。

在这里插入图片描述

  • map,键值对 (key value pair),键存在时,insert , emplace 都会插入失败,[] 赋值会覆盖。使用 [] 访问时,键不存在会创建。C++ 17 为提高性能,增加 try_emplace 接口,在键存在时,不会构造参数,在值复杂时可较多节省内存,提升性能。
  • multimap,相同的键可存在多份,不支持 [] 访问。

在这里插入图片描述

2.5 - 不定序容器


不定序容器底层实现为哈希表,插入元素,对其计算哈希值,分配到对应的 bucket (桶)上,哈希值计算可能会产生哈希冲突,即不同的值计算的哈希值相同。哈希表的查找时间复杂度为 O(1),虽然元素哈希值相同时,还是会进行顺序查找,但不改变不定序容器查找基本为 O(1) 的情况。

为了避免较多的顺序查找,当 bucket 数量与元素个数相同时,bucket 会进行两倍扩容,之前的元素会被打散,重新计算哈希值,分布到新的 bucket 后。也会产生较多的内存空置,如 bucket 后无任何的元素。

  • unordered_map
  • unordered_set
  • unordered_multimap
  • unordered_multiset

在这里插入图片描述

先哈希查找,后循序查找。

2.6 - 总述


  • 查询

序列式容器查找为顺序查找时间复杂度为 O(n),关联式容器为红黑树时间复杂度 O(log n),不定序容器为哈希表基本上为 O(1)。
查询效率:不定序容器 > 关联式容器 > 序列式容器

关联式容器和不定序容器都提供自身的 find 函数, STL 算法也提供 std::find 查找,但使用容器自身的查找会更快捷

  • 排序

list 容器自身也提供 sort 接口,STL 算法提供的 std::sort 查找无法对 list 进行查找,因为 std::sort 接收的迭代器需要为随机访问迭代器类型,而 list 的迭代器为双向顺序访问迭代器。编码时若使用则会产生编译错误。

std::list<int> container = { 5, 6, 10, 1, 4, 8 };
std::sort(container.begin(), container.end(), greater<int>());

编译报错:

C:\Program Files (x86)\Microsoft Visual Studio\2019\Enterprise\VC\Tools\MSVC\14.20.27508\include\algorithm(3358): error C2676: binary '-': 'const std::_List_unchecked_iterator<std::_List_val<std::_List_simple_types<_Ty>>>' does not define this operator or a conversion to a type acceptable to the predefined operator
1>        with
1>        [
1>            _Ty=int
1>        ]
1>D:\GZC\Work\Train\TrainDemo\TrainDemo\TrainDemo\TrainDemo.cpp(17): note: see reference to function template instantiation 'void std::sort<std::_List_iterator<std::_List_val<std::_List_simple_types<_Ty>>>,std::greater<_Ty>>(const _RanIt,const _RanIt,_Pr)' being compiled
1>        with
1>        [
1>            _Ty=int,
1>            _RanIt=std::_List_iterator<std::_List_val<std::_List_simple_types<int>>>,
1>            _Pr=std::greater<int>
1>        ]
1>C:\Program Files (x86)\Microsoft Visual Studio\2019\Enterprise\VC\Tools\MSVC\14.20.27508\include\algorithm(3358): error C2672: '_Sort_unchecked': no matching overloaded function found
1>C:\Program Files (x86)\Microsoft Visual Studio\2019\Enterprise\VC\Tools\MSVC\14.20.27508\include\algorithm(3358): error C2780: 'void std::_Sort_unchecked(_RanIt,_RanIt,iterator_traits<_Iter>::difference_type,_Pr)': expects 4 arguments - 3 provided
1>C:\Program Files (x86)\Microsoft Visual Studio\2019\Enterprise\VC\Tools\MSVC\14.20.27508\include\algorithm(3328): note: see declaration of 'std::_Sort_unchecked'

需要修改为

std::list<int> container = { 5, 6, 10, 1, 4, 8 };
container.sort(greater<int>());

III - 参考书目


《STL源码剖析》 — 侯捷
《C++ Primer》— 中文版 第 5 版

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/635820.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

.mdf.locked加密sql server完美恢复---惜分飞

有可能用友ERP软件的sql server 数据库所在机器被勒索病毒加密,扩展名为.locked和昨天恢复的基本类似(.locked加密勒索数据库级别恢复),通过分析确认sql server被这种病毒加密,也可以完美恢复 通过恢复之后数据库正常挂载成功 测试应用一切正常 对于类似这种被加密的勒索的数…

【Python开发】FastAPI 10:SQLAlchemy 数据库操作

在 FastAPI 中使用 SQL 数据库可以使用多个 ORM 工具&#xff0c;例如 SQLAlchemy、Tortoise ORM 等&#xff0c;类似 Java 的 Mybatis 。这些 ORM 工具可以帮助我们方便地与关系型数据库进行交互&#xff0c;如 MySQL 、PostgreSQL等。本篇文章将介绍如何使用 SQLAlchemy 来完…

chatgpt赋能python:Python的安装方法

Python的安装方法 简介 Python是一种非常流行的编程语言&#xff0c;它可以用于多种应用场景。Python简单易懂&#xff0c;可读性强&#xff0c;易于维护。因此&#xff0c;它成为了数据科学家、软件工程师和Web开发者的首选编程语言之一。 安装环境 在安装Python之前&…

【SpringBoot 3.x】整合Mybatis-Plus多数据源、Druid

本地开发环境说明 开发依赖版本Spring Boot3.0.6Mybatis-Plus3.5.3.1dynamic-datasource-spring-boot-starter3.6.1JDK20 pom.xml主要依赖 <dependencies><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-st…

MIT 6.S081 Lab Two

MIT 6.S081 Lab Two 引言system callsSystem call tracing&#xff08;moderate&#xff09;实验解析实现思路小结 Sysinfo&#xff08;moderate&#xff09;实验解析 可选的挑战 引言 本文为 MIT 6.S081 2020 操作系统 实验一解析。 MIT 6.S081课程前置基础参考: 基于RISC-V…

【C++】图解类和对象(下)

图解类和对象&#xff08;下&#xff09; 文章目录 图解类和对象&#xff08;下&#xff09;一、初始化列表&#xff08;1&#xff09;定义&#xff08;2&#xff09;注意事项&#xff08;3&#xff09;explicit关键字&#xff08;4&#xff09;结论 二、static成员1.定义2.特性…

windows一键安装redis7.0.11

下载 下载地址:https://gitcode.net/zengliguang/windows_redis7.0.11_offline_install.git 使用git进行进行clone下载 在电脑桌面或者其他文件夹下 &#xff0c;鼠标右键点击 选择git clone &#xff0c;下图中url为下载地址&#xff0c;Directory为本地存储路径&#xff…

【瑞萨RA_FSP】常用存储器介绍

文章目录 一、存储器种类二、 RAM存储器1. DRAM1.1 SDRAM1.2 DDR SDRAM 2. SRAM3. DRAM与SRAM的应用场合 三、非易失性存储器1. ROM存储器1.1 MASK ROM1.2 OTPROM1.3 EPROM1.4 EEPROM 2. FLASH存储器 一、存储器种类 存储器是计算机结构的重要组成部分。存储器是用来存储程序代…

chatgpt赋能python:Python安装Scrapy-提升爬虫效率的关键

Python安装Scrapy - 提升爬虫效率的关键 如果你正在寻找一个强大、高效的爬虫框架&#xff0c;那么Scrapy是你的不二选择。但在使用Scrapy之前&#xff0c;你必须先安装它。 本篇文章将向您介绍如何在Python环境中安装Scrapy&#xff0c;让您能够更快、更方便地运行和调试您的…

chatgpt赋能python:Python怎么安装PyCharm

Python怎么安装PyCharm PyCharm是一款专业的Python集成开发环境&#xff08;IDE&#xff09;&#xff0c;提供了丰富的功能和工具&#xff0c;能够极大地提高我们的开发效率。但是&#xff0c;在安装PyCharm之前&#xff0c;需要先确保Python已经安装并配置好了。本篇文章将详…

相机标定精度研究

张建贺实验设计 1 外参重复性精度测试&#xff1a; &#xff08;同内参&#xff0c;不同外参特征点,9选择4&#xff0c;组合&#xff09; 1 外参几乎没有什么重复性误差??? 只要4对都正确&#xff0c;则刚性匹配基本正确 解释&#xff1a;激光点云到相机 转换本身的刚性…

Diffusion扩散模型学习2——Stable Diffusion结构解析-以文本生成图像为例

Diffusion扩散模型学习2——Stable Diffusion结构解析 学习前言源码下载地址网络构建一、什么是Stable Diffusion&#xff08;SD&#xff09;二、Stable Diffusion的组成三、生成流程1、文本编码2、采样流程a、生成初始噪声b、对噪声进行N次采样c、单次采样解析I、预测噪声II、…

转换vmware的vmdk格式为qcow2格式

一、系统环境 操作系统&#xff1a;Win11 虚机系统&#xff1a;VMware Workstation 16 Pro 16.2.3 build-19376536 转换工具&#xff1a;qemu 8.0.2 二、下载安装qemu模拟器 查看qemu版本 Download QEMU - QEMUhttps://www.qemu.org/download/ 下载windows版的安装文件&…

MySQL索引事务(二)

1、索引 1.1、索引的分类 1.1.1、按数据结构分类&#xff1a;Btree&#xff0c;Hash索引&#xff0c;Full-text索引。 InnoDBMylSAMMemmoryBtree索引√√√Hash索引Full-text索引√(MySQl-version5.6.4)√ Btree索引是MySQL中被存储引擎采用最多的索引类型。它适用于全键值、…

chatgpt赋能python:Python编程技巧之复制粘贴技巧

Python编程技巧之复制粘贴技巧 Python作为一种富有表达力的编程语言&#xff0c;已经成为越来越多人的选择。但在编写代码时&#xff0c;有时候我们需要将别人的代码复制粘贴到自己的代码中。如何正确地复制粘贴代码&#xff1f;下面让我们来探讨一下。 复制和粘贴 在复制和…

车载以太网 - 物理层

OSI模型与车载以太网对应关系 OSI标准模型: l、物理层 II、数据链路层 lll、网络层 IV、传输层 V、会话层 VI、表示层 VII、应用层 车载以太网的OSI 参考模型如图所示&#xff0c;该模型中没有对5-7层进行严格的区分&#xff1b;比如SOME/IP、DolP、XCP等协议则是将5、6、7层描…

ML算法——逻辑回归随笔【机器学习】

文章目录 3、逻辑回归3.1、理论部分3.2、sklearn 实现3.3、案例 3、逻辑回归 3.1、理论部分 Logic Regression (LR)&#xff0c;逻辑回归的因变量是二分类的&#xff0c;而不是连续的。它的输出是一个概率值&#xff0c;表示输入数据属于某个类别的概率。如果该值为0.8&#x…

Building a Cloud Based Data Warehouse on Google Big Query Using Qlik Compose

Learn how to build a cloud based data warehouse using Qlik Compose on Google Big Query How to Build Data Integration Pipelines with Qlik and Databricks - YouTube Google BigQuery是一个具有成本效益、高度可扩展的无服务器数据仓库&#xff0c;专为业务敏捷性而设…

概率图简介

引言 本文介绍概率图模型的部分基础知识&#xff0c;希望学习完本文之后能更好地理解HMM和CRF模型。 概率论基础 本节简单回顾一下相关的概率论知识&#xff0c;概率论有两条重要的基本规则。 分别为乘法规则(product rule)和加和规则(sum rule)&#xff0c;假设有两个随机…