Java中常见的数据结构包括以下几种:
1.数组(Array):是一种线性数据结构,用于存储相同类型的元素,通过索引访问和修改元素。
2.链表(Linked List):也是一种线性数据结构,由节点组成,每个节点包含数据和指向下一个节点的引用。
3.栈(Stack):是一种后进先出(LIFO)的数据结构,只能在栈顶进行插入和删除操作。
4.队列(Queue):是一种先进先出(FIFO)的数据结构,可以在队尾插入元素,在队头删除元素。
5.哈希表(HashMap):是一种使用键-值对存储数据的数据结构,通过哈希函数将键映射到一个索引,可以快速访问和修改数据。
6.集合(Set):是一种不允许重复元素的数据结构,常见的实现类有HashSet和TreeSet。
7.列表(List):是一种有序的数据结构,允许重复元素,常见的实现类有ArrayList和LinkedList。
8.树(Tree):是一种非线性数据结构,由节点和边组成,每个节点可以有多个子节点,常见的实现有二叉树、AVL树等。
9.图(Graph):是一种由节点和边组成的非线性数据结构,节点之间可以有多个连接关系。
10.堆(Heap):是一种特殊的树形数据结构,用于高效地找到最大或最小值。
除了上述常见的数据结构,Java还提供了许多其他数据结构的实现,如优先队列、双向链表、散列表等,可以根据具体的需求选择适合的数据结构。
接下来,我门通过一些示例代码来介绍这些常见的数据结构。下面是一些简单的示例代码:
1.数组(Array):
int[] numbers = new int[5]; // 创建一个长度为5的整型数组
numbers[0] = 1; // 设置第一个元素的值为1
int element = numbers[2]; // 获取第三个元素的值
System.out.println(element); // 输出结果:0(默认值,因为没有赋值)
2.链表(Linked List):
// 创建链表节点
class ListNode {
int value;
ListNode next;
ListNode(int value) {
this.value = value;
this.next = null;
}
}
// 创建链表
ListNode head = new ListNode(1); // 头节点
ListNode node2 = new ListNode(2);
ListNode node3 = new ListNode(3);
head.next = node2;
node2.next = node3;
// 遍历链表
ListNode current = head;
while (current != null) {
System.out.println(current.value);
current = current.next;
}
3.栈(Stack):
import java.util.Stack;
Stack stack = new Stack();
stack.push(1); // 添加元素到栈顶
stack.push(2);
stack.push(3);
int topElement = stack.peek(); // 获取栈顶元素(不移除)
System.out.println(topElement); // 输出结果:3
int poppedElement = stack.pop(); // 弹出栈顶元素
System.out.println(poppedElement); // 输出结果:3
4.队列(Queue):
import java.util.LinkedList;
import java.util.Queue;
Queue queue = new LinkedList();
queue.offer(1); // 添加元素到队尾
queue.offer(2);
queue.offer(3);
int frontElement = queue.peek(); // 获取队头元素(不移除)
System.out.println(frontElement); // 输出结果:1
int dequeuedElement = queue.poll(); // 出队队头元素
System.out.println(dequeuedElement); // 输出结果:1
当谈到哈希和集合这两个概念时,通常会涉及到哈希表和集合数据结构。
5.哈希表(Hash Table)示例:
import java.util.HashMap;
HashMap hashMap = new HashMap();
hashMap.put("apple", 1); // 向哈希表中插入键值对
hashMap.put("banana", 2);
hashMap.put("orange", 3);
int value = hashMap.get("banana"); // 通过键获取对应的值
System.out.println(value); // 输出结果:2
boolean containsKey = hashMap.containsKey("apple"); // 检查哈希表中是否包含某个键
System.out.println(containsKey); // 输出结果:true
hashMap.remove("orange"); // 移除指定键的键值对
for (String key : hashMap.keySet()) {
int val = hashMap.get(key);
System.out.println(key + ": " + val);
}
在上面的例子中,我们使用HashMap类来实现哈希表。我们插入了几个键值对,然后通过键来获取对应的值,检查是否存在某个键,并移除指定键的键值对。还展示了如何遍历哈希表的键集合,并获取每个键对应的值。
6.集合(Set)示例:
import java.util.HashSet;
HashSet set = new HashSet();
set.add(1); // 向集合中添加元素
set.add(2);
set.add(3);
boolean contains = set.contains(2); // 检查集合中是否包含某个元素
System.out.println(contains); // 输出结果:true
set.remove(3); // 从集合中移除指定元素
for (Integer num : set) {
System.out.println(num);
}
在上面的例子中,我们使用HashSet类来实现集合。我们添加了一些元素,检查集合是否包含某个元素,并移除指定的元素。还展示了如何迭代集合中的元素并进行输出。
哈希表和集合是常用的数据结构,它们提供了高效的存储和查找操作。通过使用哈希函数来计算键的散列值,它们能够快速地定位和访问元素。在实际编程中,你可以根据具体的需求选择使用适当的哈希表或集合实现类,并根据需要调用相应的方法
7.树(Tree)示例:
BinarySearchTree:
class TreeNode {
int val;
TreeNode left;
TreeNode right;
public TreeNode(int val) {
this.val = val;
this.left = null;
this.right = null;
}
}
class BinarySearchTree {
private TreeNode root;
public void insert(int val) {
root = insertNode(root, val);
}
private TreeNode insertNode(TreeNode node, int val) {
if (node == null) {
return new TreeNode(val);
}
if (val node.val) {
node.right = insertNode(node.right, val);
}
return node;
}
public boolean search(int val) {
return searchNode(root, val);
}
private boolean searchNode(TreeNode node, int val) {
if (node == null) {
return false;
}
if (val == node.val) {
return true;
} else if (val < node.val) {
return searchNode(node.left, val);
} else {
return searchNode(node.right, val);
}
}
}
BinarySearchTree bst = new BinarySearchTree();
bst.insert(5);
bst.insert(2);
bst.insert(8);
bst.insert(1);
System.out.println(bst.search(2)); // 输出结果:true,搜索值为2的节点
System.out.println(bst.search(10)); // 输出结果:false,搜索值为10的节点
8.图(Graph)示例:
import java.util.ArrayList;
import java.util.LinkedList;
import java.util.List;
import java.util.Queue;
class Graph {
private int vertices; // 图中的顶点数
private List adjacencyList; // 邻接表表示图
public Graph(int vertices) {
this.vertices = vertices;
adjacencyList = new ArrayList(vertices);
for (int i = 0; i < vertices; i++) {
adjacencyList.add(new ArrayList());
}
}
public void addEdge(int source, int destination) {
adjacencyList.get(source).add(destination);
adjacencyList.get(destination).add(source);
}
public void breadthFirstSearch(int startVertex) {
boolean[] visited = new boolean[vertices];
Queue queue = new LinkedList();
visited[startVertex] = true;
queue.offer(startVertex);
while (!queue.isEmpty()) {
int currentVertex = queue.poll();
System.out.print(currentVertex + " ");
List neighbors = adjacencyList.get(currentVertex);
for (int neighbor : neighbors) {
if (!visited[neighbor]) {
visited[neighbor] = true;
queue.offer(neighbor);
}
}
}
}
}
Graph graph = new Graph(6);
graph.addEdge(0, 1);
graph.addEdge(0, 2);
graph.addEdge(1, 3);
graph.addEdge(2, 4);
graph.addEdge(3, 5);
graph.breadthFirstSearch(0); // 从顶点0开始进行广度优先搜索
在上面的例子中,我们创建了一个简单的图,并使用邻接表来表示图的结构。然后,我们实现了广度优先搜索算法来遍历图中的顶点。
9.堆(Heap)示例:
import java.util.PriorityQueue;
PriorityQueue minHeap = new PriorityQueue(); // 创建一个最小堆
minHeap.offer(5); // 向堆中添加元素
minHeap.offer(2);
minHeap.offer(8);
minHeap.offer(1);
int minElement = minHeap.peek(); // 获取堆顶元素(最小值)
System.out.println(minElement); // 输出结果:1
while (!minHeap.isEmpty()) {
int currentElement = minHeap.poll(); // 弹出并移除堆顶元素
System.out.println(currentElement);
}
10. 列表示例:
import java.util.ArrayList;
ArrayList myList = new ArrayList();
myList.add(1); // 在列表末尾添加元素
myList.add(2);
myList.add(3);
System.out.println(myList); // 输出结果:[1, 2, 3]
myList.remove(1); // 移除指定索引位置的元素
System.out.println(myList); // 输出结果:[1, 3]
int element = myList.get(0); // 获取指定索引位置的元素
System.out.println(element); // 输出结果:1
for (int i = 0; i < myList.size(); i++) { // 遍历列表中的元素
System.out.println(myList.get(i));
}
在上面的例子中,我们使用优先队列实现了一个最小堆。我们向堆中添加一些元素,然后通过peek()方法获取最小的元素。最后,我们使用poll()方法逐个弹出并移除堆中的元素。
这些示例代码展示了如何使一些常见数据结构的基本用法。你可以根据实际需求对代码进行修改和扩展。