HashMap以及二叉搜索树(Map和Set)

HashMap以及二叉搜索树(Map和Set)

概要

Map：

Set：

HashMap与TreeSet

TreeSet

如何查找：

如何插入：

如何删除（巨麻烦）（总体来说七种可能）：

自我实现：

HashMap

哈希值与哈希冲突：

解决方案：

负载因子：

自我实现

技术细节

小结

---

概要

 根据图表就可以知道，Set和Map是两个接口，这个两个接口是不通，Set是collection接口下的，而Map是单独存在的一个接口。而set下分为TreeSet和HashSet数据结构，而Map下也分为HashMap和TreeMap。

所以在此就不得不说两种结构。Set和Map

Map：

使用的存储结构：

Map 中存储的就是 key-value 的键值对。

什么是key-value结构呢？

简单而言就是，一把钥匙开与之对应的保险箱。其实就是一个一一对应的关系，及一个键值对存储一个信息。        

 如此我们就可以通过找到钥匙，就能快速找到钥匙与之对应的数据。

（做统计，这种数据结构贼好用，据我所知大数据就会使用大量这种数据结构）

        

返回值

方法

解释

V	get (Object key)	返回 key 对应的 value
V	getOrDefault (Object key, V defaultValue)	返回 key 对应的 value ， key 不存在，返回默认值
V	put (K key, V value)	设置 key 对应的 value
V	remove (Object key)	删除 key 对应的映射关系
Set<K>	keySet ()	返回所有 key 的不重复集合
Collection<V>	values ()	返回所有 value 的可重复集合
Set<Map.Entry<K, V>>	entrySet ()	返回所有的 key-value 映射关系
boolean	containsKey (Object key)	判断是否包含 key
boolean	containsValue (Object value)	判断是否包含 value

1.Map中存放键值对的Key是唯一的，value是可以重复的

2.在TreeMap中插入键值对时，key不能为空，否则就会抛NullPointerException异常，value可以为空。但是HashMap的key和value都可以为空。

3.Map中的Key可以全部分离出来，存储到Set中来进行访问(因为Key不能重复)。

4.Map中的value可以全部分离出来，存储在Collection的任何一个子集合中(value可能有重复)。

5.Map中键值对的Key不能直接修改，value可以修改，如果要修改key，只能先将该key删除掉，然后再来进行重新插入

Set：

使用的存储结构：

Set 中只存储了 Key 。

简单而言就是，key就是我们要找的值，

返回值	方法	解释
boolean	add (E e)	添加元素，但重复元素不会被添加成功
void	clear ()	清空集合
boolean	contains (Object o)	判断 o 是否在集合中
Iterator<E>	iterator ()	返回迭代器
boolean	remove (Object o)	删除集合中的 o
int	size()	返回 set 中元素的个数
boolean	isEmpty()	检测 set 是否为空，空返回 true ，否则返回 false
Object[]	toArray()	将 set 中的元素转换为数组返回
boolean	containsAll(Collection<?> c)	集合 c 中的元素是否在 set 中全部存在，是返回 true ，否则返回 false

boolean

addAll(Collection<? extends E> c)

将集合 c 中的元素添加到 set 中，可以达到去重的效果

1. Set 最大的功能就是对集合中的元素进行去重

2.  Set 中只存储了 key ，并且要求 key一定要唯一

3.  实现 Set 接口的常用类有 TreeSet 和 HashSet ，还有一个 LinkedHashSet，LinkedHashSet是在HashSet的基础 上维护了一个双向链表来记录元素的插入次序。

4. Set 中的 Key 不能修改，如果要修改，先将原来的删除掉，然后再重新插入

5.TreeSet 中不能插入 null的key ， HashSet 可以。

HashMap与TreeSet

TreeSet

二叉搜索树又称二叉排序树，它或者是一棵空树，或者是具有以下性质的二叉树 :

1. 若它的左子树不为空，则左子树上所有节点的值都小于根节点的值
2. 若它的右子树不为空，则右子树上所有节点的值都大于根节点的值
3. 它的左右子树也分别为二叉搜索树

一颗二叉树搜索树如何构建？：（这里有个错误，9和8的位置得换一下）

 发现没有，一个搜索树其实就是一颗排序树，会将里面的数据进行排序。那么对于这颗搜索树，如何体现搜索二字呢？

如何查找：

假如我查一个数字：2，他会怎么走呢？（这里有个错误，9和8的位置得换一下）

id="VBdKy7jk-1690292090781" src="https://live.youkuaiyun.com/v/embed/314661" allowfullscreen="true" data-mediaembed="csdn">

搜索树如何所搜

如何插入：

插入一个数字：11，他会怎么走?（这里有个错误，9和8的位置得换一下）

id="jV1g27qm-1690292108137" src="https://live.youkuaiyun.com/v/embed/314662" allowfullscreen="true" data-mediaembed="csdn">

二叉树搜索插入

如何删除（巨麻烦）（总体来说七种可能）：

而每种可能都可能存在以下情况，也就是说我们需要写七种情况的代码。

cur为我要删除的节点

情况1：（左树为空）

cur.left == null

如何删除：(用右边替换)

cur 是 root ，则 root = cur.right

cur 是 parent.left ，则 parent.left = cur.right

cur 是 parent.right ，则 parent.right = cur.right

        

情况2：（右树为空）

cur.right == null

如何删除：(用左边替换)

cur 是 root ，则 root = cur.left

cur 是 parent.left ，则 parent.left = cur.left

cur 是 parent.right ，则 parent.right = cur.left

情况3：（都不为空）

cur.left != null && cur.right != null

需要使用 替换法 进行删除，即在它的右子树中寻找中序下的第一个结点 ( 关键码最小 ) ，用它的值填补到被 删除节点中，再来处理该结点的删除问题

id="fju8YLOU-1690292124294" src="https://live.youkuaiyun.com/v/embed/314680" allowfullscreen="true" data-mediaembed="csdn">

删除树中元素

自我实现：

public class Binarysearch {
    static class TreeNode{
        public int val;
        public TreeNode left;
        public TreeNode right;
        public TreeNode(int val){
            this.val=val;
        }
    }
    public TreeNode root =null;

    
    //查找
    public TreeNode find(int val){
        TreeNode node =root;
        if (root==null){
            return null;
        }
        while (node!=null){
            if(node.val==val){
                return node;
            }else if (node.val<val){
                node=node.left; //左
            } else  {
                node=node.right;//右
            }
        }
        return null;
    }

    
    //插入
    public void insert(int val){
        if (root==null){
            root=new TreeNode(val);
            return;
        }
        TreeNode cur=root;
        TreeNode parent=null;
        while (cur!=null){
            if (cur.val<val){
                parent=cur;
                cur=cur.left;
            }else if (cur.val>val){
                parent=cur;
                cur=cur.right;
            }else {
                return;
            }
        }
        TreeNode node=new TreeNode(val);
        if (parent.val<val){
            parent.left=node;
        }else {
            parent.right=node;
        }

    }
    
    //中序遍历
    public void inorder(TreeNode root){
        if (root==null){
            return;
        }
        inorder(root.left);
        System.out.println(root.val+" ");
        inorder(root.right);
    }
    
    //删除树
    public void delTree(int val ){
        TreeNode cur=root;
        TreeNode parent=null;
        while (cur!=null){
            if (cur.val==val){
                remove( parent ,cur);
                return;
            } else if (cur.val<val) {
                parent=cur;
                cur=cur.right;
            }else {
                parent=cur;
                cur=cur.right;
            }
        }

    }
//删除的核心代码
    private void remove(TreeNode parent, TreeNode cur) {
        if (cur.left==null){
            if (cur==root){
                root=cur.right;
            } else if (parent.left==cur) {
                parent.left=cur.right;
            }else {
                parent.right=cur.right;
            }
        } else if (cur.right==null) {
            if (cur==root){
                root=cur.left;
            } else if (parent.left==cur) {
                parent.left=cur.left;
            }else {
                parent.right=cur.left;
            }
        }else {
            TreeNode target=cur.right;
            TreeNode targetParent=cur;
            while (target.left!=null){
                targetParent=target;
                target=targetParent.left;
            }
            cur.val= target.val;
            if(targetParent.left==target){
                targetParent.left=target.right;
            }else {
                targetParent.right=target.right;
            }

        }
    }
}

TreeMap 和 TreeSet 是  java 中利用搜索树实现的 Map 和 Set ；实际上用的是红黑树。

什么是红黑树，这里不做解释，在后续文章中会出现。因为其自身的特点，就可以知道，他们会对元素进行排序。（这个特点可以利用）

HashMap

  我还是这句话：不同的数据结构是为了应对不同的数据情况。

哈希值与哈希冲突：

顺序结构以及平衡树 中，元素关键码与其存储位置之间没有对应的关系，因此在 查找一个元素时，必须要经过关键 码的多次比较 。 顺序查找时间复杂度为 O(N) ，平衡树中为树的高度， 即 O( )，搜索的效率取决于搜索过程中元素的比较次数。所以就应该有一种直接找到元素的。 通过某种函 数 使元素的存储位置与它的关键码之间能够建立一一映射的关系，那么在查找时通过该函数可以很快 找到该元素 。

哈希函数：hash(key) = key % capacity（长度）

 但是呢，相信大家都发现一个问题，那就是，诺是我在输入一个数字14进这个表， 而4这个位置已经有元素了。

解决方案：

此时就出现了二种解决方案。

1.将14放入与之相邻的空位置，并且在之后扩容后，将数字放到本该属于他的位置。（线性探测（分两次）闭散列）

第一次查找位置，发现有元素了，然后再一次查找位置，找一个空位置坐下。

2.我们在哈希表中添加一个链表，诺有相同的哈希值的元素是我们就将这个值放入链表中。（具体名字叫：哈希桶（开散列））

但是这样的话就存在一个问题就是所搜效率的问题。比如10万个数据，10万个哈希值相同，然后我们在这个链表里不停翻，去抄我们要的元素。这样的效率很慢啊。所以这个桶也可以用另一个搜索速度更快的结构代替。比如：

                                        1. 每个桶的背后是另一个哈希表

                                        2. 每个桶的背后是一棵搜索树

 哈希函数设计的越精妙，产生哈希冲突的可能性就越低，但是无法避免哈希冲突

负载因子：

在设计上去衡量一个哈希表的是否越来越接近冲突，设计师：提出了负载因子调节的概念：（这个是网上找的图片）

 如此我们便因此去设定一个状态点：负载因子，诺是超过，我们就进行扩容。这样始终将负载因子保持在1以下。

所以就此我们可以实现以下代码。（还是用链表了，主要是简单明了）

自我实现

public class HashMap {
    static class Node{
        public int key;
        public int val;
        public Node next;
        public Node(int key,int val){
            this.key=key;
            this.val=val;
        }
    }
    public Node[] array;
    //元素个数
    public int usedSize;
    //元素节点
    public HashBuck(){
        array=new Node[8];
    }
//设计的临界值
    public static final double LOAD_FACTOR=0.75;

    public void put(int key,int val){
        int index=key%array.length;
        Node cur=array[index];
        while (cur!=null){
            if (cur!=null){
                cur.val=val;
                return;
            }
            cur=cur.next;
        }
        Node node=new Node(key, val);
        node.next=array[index];
        array[index]=node;
        usedSize++;
//实际负载因子超过设置的临界值就扩容
        if (calculateLoadFactor()>=LOAD_FACTOR){

            //扩容
            reszie();
        }

    }
    //扩容
    private void reszie() {
        Node []newArray=new Node[2* array.length];
        for (int i = 0; i < array.length; i++) {
            Node cur=array[i];
            //重新规划
            while (cur!=null){
                Node curNext=cur.next;
                int index=cur.key% newArray.length;

                cur.next=newArray[index];
                newArray[index]=cur;
                cur=curNext;
            }
        }
        array=newArray;
    }
//实际的负载因子
    private double calculateLoadFactor(){

        return usedSize*1.0/ array.length;
    }
    //查找元素
    public int get(int key){
        int index=key% array.length;
        Node cur=array[index];
        while (cur!=null){
            if (cur.key==key){
                return cur.val;
            }
            cur=cur.next;
        }
        return -1;
    }
}

技术细节

在java本中

1. HashMap 和 HashSet 即 java 中利用哈希表实现的 Map 和 Set

2. java 中使用的是哈希桶方式解决冲突的

3. java 会在冲突链表长度大于一定阈值后，将链表转变为搜索树（红黑树）

4. java 中计算哈希值实际上是调用的类的 hashCode 方法，进行 key 的相等性比较是调用 key 的 equals 方法。所以如果要用自定义类作为 HashMap 的 key 或者 HashSet 的值， 必须覆写 hashCode 和 equals 方 法 ，而且要做到 equals 相等的对象， hashCode 一定是一致的。

小结

TreeMap 和 HashMap 的区别

Map底层结构	TreeMap	HashMap
底层结构	红黑树	哈希桶
插入/删除/查找时间复杂度		O(1)
是否有序	关于Key有序	无序
线程安全	不安全	不安全
插入/删除/查找区别	需要进行元素比较	通过哈希函数计算哈希地址
比较与覆写	key 必须能够比较，否则会抛出 ClassCastException异常	自定义类型需要覆写 equals 和 hashCode方法
应用场景	需要Key有序场景下	Key是否有序不关心，需要更高的时间性能

TreeSet 和 HashSet 的区别

Set底层结构	TreeSet	HashSet
底层结构	红黑树	哈希桶
插入 / 删除 / 查找时间复杂度		O(1)
是否有序	关于Key有序	不一定有序
线程安全	不安全	不安全
插入/删除/查找区别	按照红黑树的特性来进行插入和删除	1. 先计算 key 哈希地址 2. 然后进行 插入和删除
比较与覆写	key 必须能够比较，否则会抛出 ClassCastException 异常	自定义类型需要覆写 equals 和 hashCode方法
应用场景	需要Key有序场景下	Key是否有序不关心，需要更高的时间性能

其他文章接口

 1.String方法（重要，对于操作字符串有巨大的帮助）

文章链接

2.java常用的接口及其方法（包含拷贝，比较，排序，构造器）

文章链接

3.初阶数据结构

 3.1 顺序表：ArrayList

[文章链接]

3.2 链表：LinkedList

[文章链接]

3.3 栈：Stack

[文章链接]

 3.4 队列：Queue

[文章链接]

3.5 二叉树：Tree

[文章链接]

3.6 优先级队列：PriorityQueue（堆排序）

[文章链接]

3.7 Map和Set
HashMap和HashSet，TreeMap和TreeSet

[文章链接]

4. 排序（7种方式）

4.1 插入排序（两种）

4.2  选择排序（两种）

4.3 快速排序

4.4 堆排序
里面有堆排序的实现和逻辑

[文章链接]

 4.5  归并排序

5.多线程

[文章链接]

6.网络编程

7.HTML

8.数据库Mysql

[文章链接]