2、哈希表作用#xff1a;存储数据的容器#xff0c;插入、删除、搜索的时间复杂度都是O#xff08;1#xff09;#xff0c;无序。

3、什么时…

1、哈希表底层通过对C的学习我们知道STL中哈希表底层是用的链地址法封装的开散列。

2、哈希表作用存储数据的容器插入、删除、搜索的时间复杂度都是O1无序。

4、OJ中如何使用哈希表

2数组模拟简易哈希表减小时间损耗容器的封装有一定代价—大多以下两种情况适用

二、两数之和

xtarget-nums[i];if(hash.count(x))

return

{hash[x],i};hash[nums[i]]i;}return

{-1,-1};}

hash[ch-a];//检测第二个数组for(charch:s2)

if(--hash[ch-a]0)

//有负数所以必须用库里面的哈希表for(autoe:nums)

if(hash.count(e))

containsNearbyDuplicate(vectorint

nums,

i0;in;i){//如果哈希表中有这个数if(hash.count(nums[i])i-hash[nums[i]]k)

return

true;hash[nums[i]]i;//存下标的映射}return

false;}

containsNearbyDuplicate(vectorint

nums,

{//滑动窗口解题让set始终保存着k个元素如果发现了区间内有重复元素那么就可以返回trueunordered_setint

s;size_t

true;s.emplace(nums[i]);//不断将数字丢进去if(ik)

s.erase(nums[i-k]);

public://绝对值尽量拆解掉//滑动窗口解决问题控制区间

需要支持插入、查找、删除

containsNearbyAlmostDuplicate(vectorint

nums,

its.lower_bound((long)nums[i]-t);if(it!s.end()*it(long)nums[i]t)

return

因为这个思路来源写得非常的详细所以直接看就行以往我们的分桶更多的是针对整数的分桶但是在该题中扩展了存在负数的时候如何分桶保证每个桶内的元素个数是一样的。

这是一种非常巧妙的方法要结合具体的实例去看

核心思路保证每个桶内的绝对值相差小于tk个桶。

当我们遍历到这个数的时候如果对应的桶的存在就是true如果相邻桶存在看看差值是否符合要求。

每个桶中只会有一个元素因为有多的我们就会直接返回结果。

class

containsNearbyAlmostDuplicate(vectorint

nums,

-保证一个桶里面是符合的unordered_mapint,int

hash;

//找编号//看看当前桶存不存在if(hash.count(id))

return

hash.count(id-1)u-hash[id-1]t||hash.count(id1)hash[id1]-ut)

return

hash.erase(getid(nums[i-k],t));//桶数多了就去掉一个hash[id]u;//开新的桶}return

false;}

{//字母异位词-排序后都是相同的unordered_mapstring,vectorstring

hash;

//将异位词绑定起来for(autos:strs){string

temps;sort(temp.begin(),temp.end());hash[temp].emplace_back(s);}//提取出来vectorvectorstring

ret.emplace_back(y);

//取哈希表中键值对的方法C14支持//for(autokv:hash)

ret.push_back(kv.second);return

ret;}

会按照字典序排好而我们现在要按照出现次序去排序同时对于出现次数相同的保证字典序在前面所以我们其中之一的策略就是vectorsort

,但是sort底层是快排并不具备稳定性但是库里面有一个stable_sort是稳定的排序

class

countmap[s];//此时已经按照字典序排好了将其拷贝到vector中vectorPSI

nums(countmap.begin(),countmap.end());//要用一个稳定的排序

我们排序的是比较value所以要修改比较逻辑stable_sort(nums.begin(),nums.end(),[](const

PSIkv1,const

kv1.secondkv2.second;});vectorstring

ret(k);for(int

解法2unordered_mapvectorsort调整比较逻辑lambda优化

class

countmap[s];//此时已经按照字典序排好了将其拷贝到vector中vectorPSI

nums(countmap.begin(),countmap.end());//要用一个稳定的排序

我们排序的是比较value所以要修改比较逻辑sort(nums.begin(),nums.end(),[](const

PSIkv1,const

kv1.secondkv2.second||(kv1.secondkv2.secondkv1.firstkv2.first);});vectorstring

ret(k);for(int

解法3unordered_mappriority_queuecompare类

class

compare//要注意仿函数要const修饰否则可能编译不过{bool

operator()(const

kv1.secondkv2.second;}};vectorstring

words,

countmap[s];//丢到优先级队列里priority_queuePSI,vectorPSI,compare

heap;for

{ret[i]heap.top().first;heap.pop();}return

ret;}

解法4unordered_mapmultisetcompare类

class

compare//要注意仿函数要const修饰否则可能编译不过{bool

operator()(const

kv1.secondkv2.second||(kv1.secondkv2.secondkv1.firstkv2.first);}};vectorstring

words,

countmap[s];multisetPSI,compare

sortmap(countmap.begin(),countmap.end());vectorstring

ret(k);multisetPSI,compare::iterator

i0;while(k--)

这题能过的原因是map实现了字典序的排序。

而底层的multimap封装中对于相同的键值是优先插入到其右侧。

class

compare//要注意仿函数要const修饰否则可能编译不过{bool

operator()(const

countmap[s];multimapint,string,compare

sortmap;for(auto

sortmap.insert(make_pair(kv.second,kv.first));vectorstring

ret(k);auto