trie、桶排序、排序总结
trie、桶排序、排序总结
#前缀树 #桶排序 #计数排序 #基数排序
前缀树
1)单个字符串中,字符从前到后的加到一棵多叉树上
2)字符放在路上,节点上有专属的数据项(常见的是pass和end值)
3)所有样本都这样添加,如果没有路就新建,如有路就复用
4)沿途节点的pass值增加1,每个字符串结束时来到的节点end值增加1
可以完成前缀相关的查询
例子
设计一种结构。用户可以:
1)void insert(String str) 添加某个字符串,可以重复添加,每次算1个
2)int search(String str) 查询某个字符串在结构中还有几个
3) void delete(String str) 删掉某个字符串,可以重复删除,每次算1个
4)int prefixNumber(String str) 查询有多少个字符串,是以str做前缀的
前缀树路的实现方式
固定数组实现前缀树
public static class Node1 {public int pass;public int end;public Node1[] nexts;// char tmp = 'b' (tmp - 'a')public Node1() {pass = 0;end = 0;// 0 a// 1 b// 2 c// .. ..// 25 z// nexts[i] == null i方向的路不存在// nexts[i] != null i方向的路存在nexts = new Node1[26];}}/*** 第一种 固定数组实现* @author: Li* @dateTime: 2022/7/24 17:26*/public static class Trie1 {private Node1 root;public Trie1() {root = new Node1();}public void insert(String word) {if (word == null) {return;}char[] str = word.toCharArray();Node1 node = root;node.pass++;int path = 0;for (int i = 0; i < str.length; i++) { // 从左往右遍历字符path = str[i] - 'a'; // 由字符,对应成走向哪条路if (node.nexts[path] == null) {//如果节点没有路,new一个node.nexts[path] = new Node1();}//跳到这个新建节点上node = node.nexts[path];//pass++node.pass++;}//字符结尾处的end++node.end++;}public void delete(String word) {//删除前先搜索确定if (search(word) != 0) {char[] chs = word.toCharArray();Node1 node = root;node.pass--;int path = 0;for (int i = 0; i < chs.length; i++) {path = chs[i] - 'a';//当一个节点的p值为0时,就可以将其和后面的一起删除//从父节点开始判断子节点的pass值,然后置nullif (--node.nexts[path].pass == 0) {node.nexts[path] = null;return;}node = node.nexts[path];}node.end--;}}// word这个单词之前加入过几次public int search(String word) {if (word == null) {return 0;}char[] chs = word.toCharArray();Node1 node = root;int index = 0;for (int i = 0; i < chs.length; i++) {index = chs[i] - 'a';if (node.nexts[index] == null) {return 0;}node = node.nexts[index];}return node.end;}// 所有加入的字符串中,有几个是以pre这个字符串作为前缀的public int prefixNumber(String pre) {if (pre == null) {return 0;}char[] chs = pre.toCharArray();Node1 node = root;int index = 0;for (int i = 0; i < chs.length; i++) {index = chs[i] - 'a';if (node.nexts[index] == null) {return 0;}node = node.nexts[index];}return node.pass;}}
哈希表实现前缀树
public static class Node2 {public int pass;public int end;public HashMap<Integer, Node2> nexts;public Node2() {pass = 0;end = 0;nexts = new HashMap<>();}}public static class Trie2 {private Node2 root;public Trie2() {root = new Node2();}public void insert(String word) {if (word == null) {return;}char[] chs = word.toCharArray();Node2 node = root;node.pass++;int index = 0;for (int i = 0; i < chs.length; i++) {index = (int) chs[i];if (!node.nexts.containsKey(index)) {node.nexts.put(index, new Node2());}node = node.nexts.get(index);node.pass++;}node.end++;}public void delete(String word) {if (search(word) != 0) {char[] chs = word.toCharArray();Node2 node = root;node.pass--;int index = 0;for (int i = 0; i < chs.length; i++) {index = (int) chs[i];if (--node.nexts.get(index).pass == 0) {node.nexts.remove(index);return;}node = node.nexts.get(index);}node.end--;}}// word这个单词之前加入过几次public int search(String word) {if (word == null) {return 0;}char[] chs = word.toCharArray();Node2 node = root;int index = 0;for (int i = 0; i < chs.length; i++) {index = (int) chs[i];if (!node.nexts.containsKey(index)) {return 0;}node = node.nexts.get(index);}return node.end;}// 所有加入的字符串中,有几个是以pre这个字符串作为前缀的public int prefixNumber(String pre) {if (pre == null) {return 0;}char[] chs = pre.toCharArray();Node2 node = root;int index = 0;for (int i = 0; i < chs.length; i++) {index = (int) chs[i];if (!node.nexts.containsKey(index)) {return 0;}node = node.nexts.get(index);}return node.pass;}}
拓展: 目前节点只是封装了p值跟e值, 可以封装别的更丰富的信息来解决某些问题 如果一些题带有前缀查询特征, 前缀树就可以通过每个节点增加更多信息支持本题目快速解决
不基于比较的排序
桶排序思想下的排序:计数排序 & 基数排序
1)桶排序思想下的排序都是不基于比较的排序
2)时间复杂度为O(N),额外空间负载度O(M)
3)应用范围有限,需要样本的数据状况满足桶的划分
计数排序和基数排序
计数排序
// only for 0~200 valuepublic static void countSort(int[] arr) {if (arr == null || arr.length < 2) {return;}int max = Integer.MIN_VALUE;for (int i = 0; i < arr.length; i++) {max = Math.max(max, arr[i]);}int[] bucket = new int[max + 1];for (int i = 0; i < arr.length; i++) {bucket[arr[i]]++;}int i = 0;for (int j = 0; j < bucket.length; j++) {while (bucket[j]-- > 0) {arr[i++] = j;}}}
基数排序代码
// 只限正整数public static void radixSort(int[] arr) {if (arr == null || arr.length < 2) {return;}radixSort(arr, 0, arr.length - 1, maxbits(arr));}/*** 找到最大值,得到最大值位数* @author: Li* @dateTime: 2022/7/24 17:51*/public static int maxbits(int[] arr) {int max = Integer.MIN_VALUE;for (int i = 0; i < arr.length; i++) {max = Math.max(max, arr[i]);}int res = 0;while (max != 0) {res++;max /= 10;}return res;}/**** 理论上10进制的基数排序,可以准备10个"桶",来进行倒入倒出操作,进行排序* 但可以进行优化,使用2个数组,来进行排序** 10进制为例* 准备一个与原数组等长的数组help* for循环,for (int d = 1; d <= digit; d++) 即从个位开始,终止为最大值的十进制位数digit* 准备一个count[0..9]数组,对所有数的个位数的出现次数,进行一个计数。* 例:所有数,个位上,0出现4次,则count[0]=4** 完成count计数后,对count进行改造** count只是个位数出现次数,对count进行累加* 例如:0位3个,count[0]=3, 1位5个,但要加上0位的,则count[1]=3+5,* 2位2个,加上1位的。count[2]=2+5, 后面以此类推** 然后对数组进行倒序的排列** 从最后一个数开始,获取个位数值,通过这个值去count数组里找对应数值下标的数。* 将这个数减一,就是存放在help数组中的位置。* 因为改造后的count数组,存放的是范围。如上面的count[0]=3,count[1]=5,count[2]=7** 0位,在排序后的数组中,会排在<=3的范围上。1位会排在<=5的范上。* 而我们是倒序开始排列,例如:倒序第一个的个位是1,就将其排在5-1=4的位置上。然后自减1* 相当于模拟了,原始的10个桶的队列操作** arr[L..R]排序 , 最大值的十进制位数digit(例:max:100 digit:3)* @author: Li* @dateTime: 2022/7/24 18:25*/public static void radixSort(int[] arr, int L, int R, int digit) {//10进制final int radix = 10;int i = 0, j = 0;//数组等长help// 有多少个数准备多少个辅助空间int[] help = new int[R - L + 1];// 有多少位就进出几次,例如最大值为4位,则所有数,需要进行4次倒出覆盖操作for (int d = 1; d <= digit; d++) {// 10个空间// count[0] 当前位(d位)是0的数字有多少个// count[1] 当前位(d位)是(0和1)的数字有多少个// count[2] 当前位(d位)是(0、1和2)的数字有多少个// count[i] 当前位(d位)是(0~i)的数字有多少个int[] count = new int[radix]; // count[0..9]for (i = L; i <= R; i++) {// 103 1 3 d为1取个位的数,d为2取十位的数// 209 1 9j = getDigit(arr[i], d);//count计数,j为3,则index为3的位置,加一,代表有一个3count[j]++;}//上面循环结束后,所有数的d位,计数完成//进行累加,例如:0位3个,count[0]=3, 1位5个,但要加上0位的,count[1]=3+5,后面以此类推//变成 count' 数组for (i = 1; i < radix; i++) {count[i] = count[i] + count[i - 1];}for (i = R; i >= L; i--) {j = getDigit(arr[i], d);help[count[j] - 1] = arr[i];count[j]--;}for (i = L, j = 0; i <= R; i++, j++) {arr[i] = help[j];}}}public static int getDigit(int x, int d) {return ((x / ((int) Math.pow(10, d - 1))) % 10);}
1)一般来讲,计数排序要求,样本是整数,且范围比较窄
2)一般来讲,基数排序要求,样本是10进制的正整数
一旦要求稍有升级,改写代价增加是显而易见的
排序算法的稳定性
稳定性是指同样大小的样本再排序之后不会改变相对次序
对基础类型来说,稳定性毫无意义
对非基础类型来说,稳定性有重要意义
有些排序算法可以实现成稳定的,而有些排序算法无论如何都实现不成稳定的
排序算法总结
时间复杂度 | 额外空间复杂度 | 稳定性 | |
---|---|---|---|
选择排序 | O(N^2) | O(1) | 无 |
冒泡排序 | O(N^2) | O(1) | 有 |
插入排序 | O(N^2) | O(1) | 有 |
归并排序 | O(N* logN) | O(N) | 有 |
随机快排 | O(N* logN) | O(logN) | 无 |
堆排序 | O(N* logN) | O(1) | 无 |
计数排序 | O(N) | O(M) | 有 |
基数排序 | O(N) | O(N) | 有 |
1)不基于比较的排序,对样本数据有严格要求,不易改写
2)基于比较的排序,只要规定好两个样本怎么比大小就可以直接复用
3)基于比较的排序,时间复杂度的极限是O($NlogN$)
4)时间复杂度O($NlogN$)、额外空间复杂度低于O(N)、且稳定的基于比较的排序是不存在的。
5)为了绝对的速度选快排、为了省空间选堆排、为了稳定性选归并
常见的坑
1)归并排序的额外空间复杂度可以变成O(1),“归并排序 内部缓存法”,但是将变得不再稳定。 ==> 可以, 方法很难, 都不稳定了, 为什么不用堆排序?
2)“原地归并排序" 是垃圾贴,会让时间复杂度变成O(N^2)
==> 额外空间复杂度可以变成O(1), 但让时间复杂度退变成N^2, 用插入排序多好
3)快速排序稳定性改进,“01 stable sort”,但是会对样本数据要求更多。 ==> 可以, 要求对数据范围做限制, 快排就是基于比较的排序, 对数据状况做 限制, 为什么不用不基于比较的桶排序呢?
问题:在整型数组中把奇数放在左边偶数放在右边且保持稳定性,且时间复杂度O($N$),额外空间复杂度O(1)
这是一个01标准的partition,奇数放左边,偶数放右边。但快排的partition过程是无法做到稳定性的,问题说奇数放左边,偶数放右边,能做到稳定性。所有快排为什么不改成稳定的?
工程上对排序的改进
1)稳定性的考虑
2)充分利用O(N*logN)和O(N^2)排序各自的优势
本文由博客一文多发平台 OpenWrite 发布!
trie、桶排序、排序总结相关推荐
- elasticsearch aggregations_Elasticsearch聚合的嵌套桶如何排序
欢迎访问我的GitHub https://github.com/zq2599/blog_demos 内容:原创文章分类汇总及配套源码,涉及Java.Docker.K8S.Devops等 关于嵌套桶 在 ...
- 函数模板案例_利用函数模板封装一个排序的函数,可以对不同数据类型数组进行排序 排序规则从大到小,排序算法为选择排序 分别利用char数组和int数组进行测试
案例描述: 利用函数模板封装一个排序的函数,可以对不同数据类型数组进行排序 排序规则从大到小,排序算法为选择排序 分别利用char数组和int数组进行测试 #include <iostream& ...
- 按键精灵安卓版去除重复数组然后排序排序
//可用于对一组坐标进行排序记录的是X坐标,后面跟随的是FindPic的图片对应值 ,已经验证 Dim str="228,1|406,1|274,0|326,0|352,3|249,5|48 ...
- 【BZOJ-2938】病毒 Trie图 + 拓扑排序
2938: [Poi2000]病毒 Time Limit: 1 Sec Memory Limit: 128 MB Submit: 609 Solved: 318 [Submit][Status][ ...
- c语言桶排序,排序算法之——桶排序
这是本人的第一篇随笔,为的是分享学习经验,和大家讨论一些算法,以便取得些许进步,也是对学习的总结. 话不多说,下面我会用图文的方式向各位介绍桶排序. 1.主要思想: 桶排序的大体思路就是先将数组分到有 ...
- 8)排序②排序算法之选择排序[1]直接选择排序
1 #include<iostream> 2 using namespace std; 3 4 //*******直接选择排序********* 5 int select_sort(int ...
- 8)排序④排序算法之归并排序
1 #include "iostream" 2 #include "vector" 3 #include "time.h" 4 #inclu ...
- python 序列排序 排序后返回相应的索引
https://blog.csdn.net/longwei92/article/details/83098289 https://blog.csdn.net/u013731339/article/de ...
- php输入数据提交排序,排序php数据var
更新:好的,谢谢大家.但是,当我用$ i替换var时,现在得到这些错误: array_multisort()[function.array-multisort]: Argument #1 is exp ...
- c语言链表qsort排序,排序链表最快的算法是什么?
森栏 根据许多因素,将列表复制到数组然后使用Quicksort实际上可能更快.之所以会更快,是因为数组的缓存性能要比链表好得多.如果列表中的节点分散在内存中,则可能是整个地方都生成高速缓存未命中.再说 ...
最新文章
- web进修之—Hibernate 继承映射(5)
- 【对比分析四】position的absolute与fixed共同点与不同点
- 移动web注意事项 转
- Maven的简单配置说明
- ECMAScript 新提案:JSON模块
- iOS 适配HTTPS方法
- Jmeter 监控多台服务器CPU、内存、i/o等资源
- PowerDesigner 导入sql脚本到MySQL乱码问题
- python效率低为什么_为什么 Python 这么慢?
- java obj1 = obj2_无障碍assertEquals(Object obj1,Object obj2),想怎么比较就怎么比较!! [ 光影人像 东海陈光剑 的博客 ]...
- 手把手打造开源新监控利器check_mk
- Mysql Sql语句令某字段值等于原值加上一个字符串
- ubuntu中make出错
- 中位数(Median)
- 计算机桌面图片查看,电脑中查看微软bing缤纷桌面中图片信息方法
- 南京农业大学 操作系统课程设计
- 唐威:用rust写椭圆曲线算法
- 测试地图长度和高度软件,App Store 上的“海拔测量仪-集指南针和GPS实时高度测距仪二合一”...
- 菜谱分享网站微信小程序开发说明(2)-数据库
- Win10鼠标点一下文件夹或文件没有选中的那个蓝色,但还是能正常用,比如双击跟右键,点一下也有详细信息