博客
关于我
STL—set
阅读量:295 次
发布时间:2019-03-01

本文共 1550 字,大约阅读时间需要 5 分钟。

C++ set容器详解

什么是set

set意为集合,是一个内部自动有序且不含重复元素的容器。集合在编程中常用于存储和管理一系列唯一值,且这些值可以自动按照一定顺序排列。熟练掌握set容器,可以显著简化某些算法的实现,减少代码复杂度。使用set前,需要包含相应的头文件:

#include 

set的操作

1. set的定义

set的定义方式与vector类似,通用的定义格式为:

set
s;

其中,typename可替换为任意基本数据类型(如int, char, double)或自定义数据类型(如struct)。set还支持嵌套使用其他STL容器(如vectorsetqueue等)。

2. set内元素的访问

set容器只能通过迭代器(iterator)来访问元素。迭代器的使用方法与vector类似,定义方式如下:

set
::iterator it;

通过*it可以获取set中的当前元素。set的主要操作包括插入、查找、删除等,下文将详细讲解。

3. set的常用函数

(1)insert()

insert(x)用于将值x插入set中,set会自动排序并去重。该操作的时间复杂度为O(logN),其中N为set的元素个数。

(2)find()

find(value)返回一个指向匹配值value的迭代器。如果未找到对应值,则返回set的末尾迭代器。该操作的时间复杂度为O(logN)。

(3)erase()

erase()用于删除set中的元素。有两种形式:

  • s.erase(it):通过迭代器it删除指定元素,时间复杂度为O(1)。
  • s.erase(value):通过值value删除指定元素,时间复杂度为O(logN)。
  • (4)erase区间

    erase(first, last)用于删除区间[first, last)内的所有元素。firstlast分别是起始迭代器和结束迭代器的下一个位置。时间复杂度为O(N),其中N为删除区间的元素个数。

    (5)size()

    size()返回set中元素的总数,时间复杂度为O(1)。

    (6)clear()

    clear()清空set中的所有元素,时间复杂度为O(N),其中N为set的元素个数。

    set的实际应用示例

    #include 
    #include
    using namespace std;int main() { set
    s; s.insert(2); s.insert(-3); s.insert(7); s.insert(2); s.insert(4); s.insert(-10); for (auto it = s.begin(); it != s.end(); ++it) { cout << *it << ' '; } cout << endl; // 删除元素 s.erase(s.find(3)); for (auto it = s.begin(); it != s.end(); ++it) { cout << *it << ' '; } cout << endl; s.clear(); cout << s.size() << endl; return 0;}

    输出结果:

    -10 4 7-10 4 70

    通过以上代码示例,可以看到set容器的基本操作和实际应用效果。set的自动排序和去重功能使得开发人员在处理重复值和排序问题时大大减轻了工作负担。

    转载地址:http://wpsa.baihongyu.com/

    你可能感兴趣的文章
    NIS服务器的配置过程
    查看>>
    Nitrux 3.8 发布!性能全面提升,带来非凡体验
    查看>>
    NiuShop开源商城系统 SQL注入漏洞复现
    查看>>
    NI笔试——大数加法
    查看>>
    NLog 自定义字段 写入 oracle
    查看>>
    NLog类库使用探索——详解配置
    查看>>
    NLP 基于kashgari和BERT实现中文命名实体识别(NER)
    查看>>
    NLP 模型中的偏差和公平性检测
    查看>>
    Vue3.0 性能提升主要是通过哪几方面体现的?
    查看>>
    NLP 项目:维基百科文章爬虫和分类【01】 - 语料库阅读器
    查看>>
    NLP_什么是统计语言模型_条件概率的链式法则_n元统计语言模型_马尔科夫链_数据稀疏(出现了词库中没有的词)_统计语言模型的平滑策略---人工智能工作笔记0035
    查看>>
    NLP三大特征抽取器:CNN、RNN与Transformer全面解析
    查看>>
    NLP学习笔记:使用 Python 进行NLTK
    查看>>
    NLP度量指标BELU真的完美么?
    查看>>
    NLP的不同研究领域和最新发展的概述
    查看>>
    NLP的神经网络训练的新模式
    查看>>
    NLP采用Bert进行简单文本情感分类
    查看>>
    NLP问答系统:使用 Deepset SQUAD 和 SQuAD v2 度量评估
    查看>>
    NLP项目:维基百科文章爬虫和分类【02】 - 语料库转换管道
    查看>>
    NLP:使用 SciKit Learn 的文本矢量化方法
    查看>>