参考资料
《算法(java)》 — — Robert Sedgewick, Kevin Wayne
《数据结构》 — — 严蔚敏
这篇文章主要介绍实现字典的两种方式
有序数组
无序链表
(二叉树的实现方案将在下一篇文章介绍)
【注意】 为了让代码尽可能简单, 我将字典的Key和Value的值也设置为int类型,而不是对象, 所以在下面代码中, 处理“操作失败”的情况的时候,是返回 -1 而不是返回 null 。 所以代码默认不能选择 -1作为 Key或者Value
(在实际场景中,我们会将int类型的Key替换为实现Compare接口的类的对象,同时将“失败”时的返回值从-1设为null,这时是没有这个问题的)
字典的定义和相关操作
字典 又叫 查找表 (Search Table), 是由同一类型的数据元素构成的集合, 由于集合中的数据元素存在着完全松散的关系, 因此查找表是一种非常灵便的数据结构。
对查找表经常进行的操作有:
查询某个特定的数据是否在查找表中
检索某个特定的数据元素的各种属性
在查找表中插入一个数据元素
从查找表中删除某个数据元素
若对查找表只做1,2两种查找的操作, 这样的查找表被称为“ 静态查找表 ”
若在查找过程中同时还进行了3,4操作, 这样的查找表被称为“ 动态查找表 ”
有序数组实现字典
1. 有序数组实现字典思路
字典,有最关键的两个类型的值: Key 和 Value 。 但是一个数组显然只能存储一个类型的值呀, 正因如此:
首先 , 我们需要预备两个数组; 其次 ,我们 要在每次操作中同步两个数组的状态 。
a. 预备两个数组,一个存储Key, 一个存储Value
b. 在每次操作中同步两个数组的状态 以有序数组的插入键值对的操作为例(put)
(int类型的数组初始化后,默认值是0)
Key和Value的位置是相同的
双数组实现字典功能的核心在于: 每一步操作里,Key和Value在两个数组里的位置是相同的 , 这意为着你查找出Key的位置时, 也一并查找出了Value的位置。 例如删除操作时, 假设Key和Value的数组分别为a1和a2, 通过对Key的查找得出Key的位置是x, 那么接下来只要对a1[x]和a2[x] 同时进行操作就可以了
字典长度和数组长度
同时要注意一个简单却容易搞混的点: 字典长度和数组长度是两个不一样的概念 。
数组长度是创建后固定不变的,例如一开始就是N
字典的长度是可变的, 开始是0, 逐渐递增到N。
以有序数组为例
【注意】这里的“数组长度固定不变”是相对而言的, 下面我会介绍当字典满溢时扩建数组的操作(resize)
2. 选择有序数组的原因
要实现字典, 使用有序数组和无序数组当然都可以, 让我们思考下: 为什么要选择有序数组呢?
有序数组相对于无序数组的性能优势
在实现上, 无序数组 和 有序数组 的 性能差异 , 本质上是 顺序查找 和 二分查找 的 性能差异 。
因为二分查找是基于有序数组的,所以
选择无序数组实现字典, 也就意味着选择了顺序查找。
而选择有序数组实现字典, 代表着你可以选择二分查找 (或插值查找等), 并享受查找性能上的巨大提升 。
3. 三个成员变量,一个核心方法
我们使用的有序数组类的代码结构如下图所示:
三个成员变量 : keys, vals, N
一个核心方法 : rank (查找Key的位置),我们下面介绍的大多数方法都要依赖于调用rank去实现。
无序链表实现的字典API
1. rank方法
几乎所有基础的方法,例如get, put, delete都要依赖rank的调用来实现 , 所以首先让我来介绍下rank的实现
rank方法的代码和普通的二分查找的代码基本相同, 但有一点区别。
普通的二分查找
查找成功,返回Key的位置
查找失败(Key不存在),返回 – 1
对应rank方法的实现
查找成功,返回Key的位置
查找失败(Key不存在),返回 小于给定Key的元素数量
为什么比起普通的二分查找,rank方法在后一点不是返回 -1 而是返回小于给定Key的元素数量呢? 因为对于某些调用rank方法,例如put方法来说,在Key不存在的时候也需要提供插入的位置信息, 所以当然不能只返回 -1了。
代码如下:
2. put方法
put方法的参数
接收两个参数key和val, 表示要插入的键值对
put方法的实现思路
调用rank方法返回位置下标 i, 然后根据给定的key判断key == keys[i]是否成立
如果key等于keys[i],说明查找成功, 那么只要替换vals数组中的vals[i]为新的val就可以了,如 图A
如果key不等于keys[i],那么在字典中插入新的 key-val键值对,具体操作是将数组keys和vals中大于给定key和val的元素全部右移一位, 然后使keys[i]=key; vals[i] = val; 如 图B
如图所示:
图A
图B
代码如下:
if(i<N&&key == keys[i]) 里的 i<N的作用是什么?
这个问题等价于: 不能直接用key == keys[i]作为判定条件吗。
根据上面rank方法中二分查找的代码可知, low和high交叉的时候,即刚好使low>high的时候,查找结束, 所以查找结束时,low和high的关系可能是下面这种情况:
红色部分表示现有字典的长度, 图中low刚好 “越界”了,也即使low=N。(这里的N是字典的长度)。
keys[0] ~ keys[N-1]是存储key的元素, 而keys[N]则是尚未存储key的元素, 所以被默认初始化为0。
在上面的前提下, 如果这时key又刚好是0的话 , key == keys[i] (i =N)将判定为 true, 这样就会对处在字典之外的vals[N]执行 vals[N] = 0的操作, 这显然是不正确的。
所以要添加i<N这个判断条件
for循环里的判断条件
for循环里执行的操作是: 将数组keys和vals中大于给定key和val的元素 全部右移一位 。
但是要注意, 右移一位的顺序是“从右到左”, 而不是“从左到右” ,这意味着,我们不能把
for (int j=N;j>i;j– ) {
}
写成:
for (int j=i + 1;j<=N;j++ ) {
}
因为这样做会导致key/val右边的元素变得完全一样的错误结果,如图
3. get方法
输入参数为给定的key, 返回值是给定key对应的value值, 如果没有查找到key,则返回 -1, 提示操作失败。
要注意一点: 当 N = 0即字典为空的时候,显然不需要进行查找了, 可以直接返回 -1
代码如下:
4. delete方法
delete方法的实现结合了get方法和put方法部分思路
和get方法一样, 查找前要通过isEmpty判断字典是否为空,是则无需删除
和put方法类似, 删除要将keys/vals中大于key/value的元素全部“左移一位”
代码如下:
将keys/vals中大于key/value的元素全部“左移一位”的时候, delete方法和put方法的for循环的遍历方向是相反的。
不是
for (int j=N;j>i;j– ) { }
而是
for(int j=i;j<=N-1;j++) { }
不要写错了, 不然会造成之前提到的“右边元素变得完全一样”的问题(这一点前面已经提过类似的点, 就不赘述了)
5. floor方法
输入key, 返回keys数组中小于等于给定key的最大值。
floor意为“地板”, 它指的是在字典中小于或等于给定值的最大值, 这听起来可能有点绕, 例如对字典1,2,3,4,5。 输入key为4,则对应的floor值是4; 而输入key为3.5,则对应的floor值为3。
实现的思路
首先要确认的是key是否存在
1. 如果输入的key存在, 则返回等于该key的keys元素即可
2. 若输入的key不存在, 则返回小于key的最大值: keys[rank(key)-1]
3. 在2中要注意一种特殊情况: 输入的key比字典中所有的元素都小, 这时显然找不到它的floor值,所以返回 -1, 表示操作失败
(假设rank = rank(key) ,三种情况如下图所示 )
6. ceiling方法
输入key, 返回keys数组中大于等于给定key的最小值。
ceiling方法的实现思路和floor方法类似
实现的思路
首先要确认的是key是否存在
1. 如果输入的key存在, 则返回等于该key的keys元素即可, 即keys[rank(key)];
2. 若输入的key不存在, 则返回大于key的最大值: keys[rank(key)];
3. 在2中要注意一种特殊情况: 输入的key比字典中所有的元素都大, 这时显然找不到它的ceiling值,所以返回 -1, 表示操作失败
【注意】1,2中情况虽然不同,返回值却可以用同一个表达式,这和rank函数的编码有关
(假设rank = rank(key) ,三种情况如下图所示 )
代码
7. size方法
返回字典的大小, 即N
代码很简单:
public int size () { return N; }
之所以能直接返回,是因为我们在更改字典的操作时, 也相应地维护着N的状态
在声明N的时候初始化了: int N = 0;
put操作完成时执行了N++
delete操作完成时执行了N–;
8. max, min,select方法
9. resize
在我们的代码里, 字典长度是不断增长的,而数组长度是固定的, 那么这不由得让我们心生忧虑:
如果数组满了怎么办呢? 换句话说,从0增长的字典长度赶上了当前数组的长度。
因为java的数组长度在创建后不可调 ,所以我们要新建一个更大的数组,将原来的数组元素拷贝到新数组里面去。
因为字典涉及两个数组: keys和vals, 所以这里新建了两个新的临时数组tempKeys和tempVals, 转移完成后, 使得
keys = tempKeys;
vals = tempVals;
就可以了
然后在put方法里加上:
// 字典长度赶上了数组长度,将数组长度扩大为原来的2倍
if(N == keys.length) { resize(2*keys.length) }
有序数组实现字典的全部代码如下:
无序链表
字典类的结构
链表的组成单元是节点 , 所以在 SequentialSearchST 类里面定义了一个 匿名内部Node类, 以便在外部类里能够实例化节点对象。
节点对象有三个实例变量: key,value和next , key和value分别用来存储字典的键和值, 而next用于建立节点和节点间的引用联系。
从头节点first开始, 依次将本节点的next实例变量指向下一个节点, 从而建立一条字典链表。
链表和数组在实现字典的不同点
1. 链表节点本身自带键和值属性, 所以用一条链表就能实现字典, 而数组要使用两个数组才可以
2. 数组通过增减下标值遍历元素, 而链表是依赖前后节点的引用关系进行迭代,从而实现节点的遍历
无序链表实现的字典API
1. put 方法
代码如下:
要理解
first = new Node(key,value,first);
这一句代码, 可以把它拆分成两段代码来看:
Node newNode = new Node(key,value,first); // 1. 创建新节点,并和原first节点建立“next”的联系
first = newNode // 2. 将first变量修改为新加入的节点
如图所示
2. get方法
3. delete方法
关键代码
if(n.next.key==key) {
n.next = n.next.next;
}
的逻辑图示如下:
全部代码:
有序数组和无序链表实现字典的性能差异
有序数组和无序链表的性能差异, 本质上还是顺序查找和二分查找的性能差异。 正因如此, 有序数组的性能表现远好于无序链表
下面展示的是《算法》书中的测试结果, 成本模型是对小说文本tale.txt中5737个不同的键执行put操作时,所用的总比较次数 。(键是不同的单词,值是每个单词出现的次数)
无序链表实现的成本
有序数组实现的成本
作为测试模型的tale.text的性质如下:
作者:彭湖湾 出处:#3865884