当前位置: 首页 > article >正文

C++之动态数组vector

Vector

    • 一、什么是 `std::vector`?
    • 二、`std::vector` 的基本特性
      • (一)动态扩展
      • (二)随机访问
      • (三)内存管理
    • 三、`std::vector` 的基本操作
      • (一)定义和初始化
      • (二)添加和删除元素
      • (三)访问元素
      • (四)遍历
      • (五)大小和容量
    • 四、`std::vector` 的应用场景
      • (一)动态数组
      • (二)随机访问
      • (三)内存管理
    • 五、注意事项
      • (一)性能优化
      • (二)内存释放
      • (三)异常安全
    • 六、总结

在这里插入图片描述

在 C++ 编程中,std::vector 是标准模板库(STL)中非常重要的容器之一。它提供了一个动态数组的功能,能够根据需要自动调整大小,同时具备高效的内存管理和丰富的操作接口。

一、什么是 std::vector

std::vector 是 C++ STL 中的一种序列容器,它类似于传统的数组,但具有动态扩展和收缩的能力。与普通数组相比,std::vector 的大小可以在运行时动态变化,而普通数组的大小在定义时就已经确定,无法改变。std::vector 的底层实现是一个连续的内存块,这使得它在随机访问元素时非常高效,类似于数组的访问速度。

二、std::vector 的基本特性

(一)动态扩展

std::vector 的最大特点是动态扩展。当向 std::vector 中添加元素,而当前分配的内存空间不足以容纳更多元素时,std::vector 会自动分配更大的内存空间,并将原有元素复制到新的内存中。这个过程虽然涉及到内存分配和数据复制,但 std::vector 会尽量优化,通常会分配比当前需要更多的空间,以减少后续的扩展次数。

(二)随机访问

由于 std::vector 的底层是连续的内存块,因此它支持随机访问。可以通过下标(operator[]at())快速访问任意位置的元素,时间复杂度为 O(1)。这使得 std::vector 在需要频繁随机访问元素的场景中非常高效。

(三)内存管理

std::vector 会自动管理内存。当向 std::vector 中添加或删除元素时,它会自动调整内存的分配和释放。此外,std::vector 提供了一些方法来控制内存的分配策略,例如 reserve() 方法可以预先分配足够的内存,从而减少动态扩展的次数,提高性能。

三、std::vector 的基本操作

(一)定义和初始化

std::vector 可以通过多种方式定义和初始化。以下是一些常见的定义方式:

#include <vector>// 定义一个空的 vector
std::vector<int> vec1;// 使用初始化列表初始化
std::vector<int> vec2 = {1, 2, 3, 4, 5};// 使用默认值初始化
std::vector<int> vec3(10, 0); // 10个元素,初始值为0// 复制构造
std::vector<int> vec4(vec2);// 从另一个 vector 的一部分构造
std::vector<int> vec5(vec2.begin() + 1, vec2.end() - 1);

(二)添加和删除元素

std::vector 提供了多种方法来添加和删除元素:

  • 添加元素
    • push_back():在 std::vector 的末尾添加一个元素。
    • insert():在指定位置插入一个或多个元素。
vec1.push_back(10); // 在末尾添加一个元素
vec1.insert(vec1.begin() + 2, 20); // 在索引为2的位置插入一个元素
  • 删除元素
    • pop_back():删除 std::vector 的最后一个元素。
    • erase():删除指定位置的一个或多个元素。
vec1.pop_back(); // 删除最后一个元素
vec1.erase(vec1.begin() + 1); // 删除索引为1的元素

(三)访问元素

std::vector 提供了多种方式来访问元素:

  • operator[]:通过下标访问元素,不进行边界检查。
  • at():通过下标访问元素,并进行边界检查,如果超出范围会抛出异常。
int value1 = vec1[0]; // 使用下标访问
int value2 = vec1.at(1); // 使用 at() 访问

(四)遍历

可以使用迭代器或基于范围的 for 循环来遍历 std::vector

// 使用迭代器遍历
for (std::vector<int>::iterator it = vec1.begin(); it != vec1.end(); ++it) {std::cout << *it << " ";
}// 使用基于范围的 for 循环
for (int value : vec1) {std::cout << value << " ";
}

(五)大小和容量

std::vector 提供了一些方法来获取其大小和容量:

  • size():返回当前 std::vector 中的元素数量。
  • capacity():返回当前分配的内存容量(以元素数量为单位)。
  • empty():判断 std::vector 是否为空。
  • resize():调整 std::vector 的大小。
  • reserve():预先分配内存,以减少动态扩展的次数。
std::cout << "Size: " << vec1.size() << std::endl;
std::cout << "Capacity: " << vec1.capacity() << std::endl;
if (vec1.empty()) {std::cout << "Vector is empty" << std::endl;
}
vec1.resize(15, 0); // 调整大小为15,新元素初始化为0
vec1.reserve(20); // 预先分配20个元素的内存

四、std::vector 的应用场景

(一)动态数组

std::vector 是实现动态数组的首选容器。它可以在运行时动态调整大小,非常适合需要频繁添加或删除元素的场景。例如,在处理动态数据集合时,std::vector 可以方便地存储和管理数据。

(二)随机访问

由于 std::vector 支持随机访问,因此在需要频繁通过下标访问元素的场景中非常高效。例如,在实现算法时,经常需要通过下标访问数组中的元素,std::vector 可以很好地满足这一需求。

(三)内存管理

std::vector 提供了灵活的内存管理功能。通过 reserve() 方法可以预先分配足够的内存,从而减少动态扩展的次数,提高性能。这在处理大量数据时非常有用,可以避免频繁的内存分配和数据复制。

五、注意事项

(一)性能优化

虽然 std::vector 会自动管理内存,但在某些情况下,手动控制内存分配可以提高性能。例如,在知道数据量的情况下,可以使用 reserve() 方法预先分配足够的内存,避免多次动态扩展。

(二)内存释放

当不再需要 std::vector 时,它会自动释放分配的内存。但如果在程序运行过程中需要释放内存,可以使用 clear() 方法清空 std::vector,但需要注意的是,clear() 只会清空元素,不会释放内存。如果需要释放内存,可以使用 shrink_to_fit() 方法。

(三)异常安全

std::vector 的某些操作可能会抛出异常,例如 at() 方法在访问超出范围的元素时会抛出 std::out_of_range 异常。在使用这些方法时,需要注意异常处理。

六、总结

std::vector 是 C++ STL 中非常重要的容器之一,它结合了动态数组的灵活性和数组的高效性。通过动态扩展、随机访问和灵活的内存管理,std::vector 可以满足多种编程需求。在实际开发中,合理使用 std::vector 可以提高代码的可读性和性能。

相关文章:

C++之动态数组vector

Vector 一、什么是 std::vector&#xff1f;二、std::vector 的基本特性&#xff08;一&#xff09;动态扩展&#xff08;二&#xff09;随机访问&#xff08;三&#xff09;内存管理 三、std::vector 的基本操作&#xff08;一&#xff09;定义和初始化&#xff08;二&#xf…...

arc3.2语言sort的时候报错:(sort < `(2 9 3 7 5 1)) 需要写成这种:(sort > (pair (list 3 2)))

arc语言sort的时候报错&#xff1a;(sort < (2 9 3 7 5 1)) arc> (sort < (2 9 3 7 5 1)) Error: "set-car!: expected argument of type <pair>; given: 9609216" arc> (sort < (2 9 3 )) Error: "Function call on inappropriate object…...

Android动态广播注册收发原理

一、动态广播的注册流程 1. ​​注册方式​​ 动态广播通过代码调用 Context.registerReceiver() 方法实现&#xff0c;需显式指定 IntentFilter 和接收器实例&#xff1a; // 示例&#xff1a;在 Activity 中注册监听网络变化的广播 IntentFilter filter new IntentFilter…...

Ubuntu 系统通过防火墙管控 Docker 容器

Ubuntu 系统通过防火墙管控 Docker 容器指南 一、基础防火墙配置 # 启用防火墙 sudo ufw enable# 允许 SSH 连接&#xff08;防止配置过程中断联&#xff09; sudo ufw allow 22/tcp二、Docker 配置调整 # 编辑 Docker 配置文件 sudo vim /etc/docker/daemon.json配置文件内…...

AI 模型分类全解:特性与选择指南

人工智能&#xff08;AI&#xff09;技术正以前所未有的速度改变着我们的生活和工作方式。AI 模型作为实现人工智能的核心组件&#xff0c;种类繁多&#xff0c;功能各异。从简单的线性回归模型到复杂的深度学习网络&#xff0c;从文本生成到图像识别&#xff0c;AI 模型的应用…...

【Zephyr 系列 11】使用 NVS 实现 BLE 参数持久化:掉电不丢配置,开机自动加载

🧠关键词:Zephyr、NVS、非易失存储、掉电保持、Flash、AT命令保存、配置管理 📌目标读者:希望在 BLE 模块中实现掉电不丢配置、支持产测参数注入与自动加载功能的开发者 📊文章长度:约 5200 字 🔍 为什么要使用 NVS? 在实际产品中,我们经常面临以下场景: 用户或…...

【Android】Android Studio项目代码异常错乱问题处理(2020.3版本)

问题 项目打开之后&#xff0c;发现项目文件直接乱码&#xff0c; 这样子的 这本来是个Java文件&#xff0c;结果一打开变成了这种情况&#xff0c;跟见鬼一样&#xff0c;而且还不是这一个文件这样&#xff0c;基本上一个项目里面一大半都是这样的问题。 处理方法 此时遇到…...

n皇后问题的 C++ 回溯算法教学攻略

一、问题描述 n皇后问题是经典的回溯算法问题。给定一个 nn 的棋盘&#xff0c;要求在棋盘上放置 n 个皇后&#xff0c;使得任何两个皇后之间不能互相攻击。皇后可以攻击同一行、同一列以及同一对角线上的棋子。我们需要找出所有的合法放置方案并输出方案数。 二、输入输出形…...

一些免费的大A数据接口库

文章目录 一、Python开源库&#xff08;适合开发者&#xff09;1. AkShare2. Tushare3. Baostock 二、公开API接口&#xff08;适合快速调用&#xff09;1. 新浪财经API2. 腾讯证券接口3. 雅虎财经API 三、第三方数据平台&#xff08;含免费额度&#xff09;1. 必盈数据2. 聚合…...

DeepSeek本地部署及WebUI可视化教程

前言 DeepSeek是近年来备受关注的大模型之一,支持多种推理和微调场景。很多开发者希望在本地部署DeepSeek模型,并通过WebUI进行可视化交互。本文将详细介绍如何在本地环境下部署DeepSeek,并实现WebUI可视化,包括Ollama和CherryStudio的使用方法。 一、环境准备 1. 硬件要…...

机器学习算法时间复杂度解析:为什么它如此重要?

时间复杂度的重要性 虽然scikit-learn等库让机器学习算法的实现变得异常简单&#xff08;通常只需2-3行代码&#xff09;&#xff0c;但这种便利性往往导致使用者忽视两个关键方面&#xff1a; 算法核心原理的理解缺失 忽视算法的数据适用条件 典型算法的时间复杂度陷阱 SV…...

SSIM、PSNR、LPIPS、MUSIQ、NRQM、NIQE 六个图像质量评估指标

评价指标 1. SSIM&#xff08;Structural Similarity Index&#xff09; &#x1f4cc; 定义 结构相似性指数&#xff08;Structural Similarality Index&#xff09;是一种衡量两幅图像相似性的指标&#xff0c;考虑了亮度、对比度和结构信息的相似性&#xff0c;比传统的 P…...

【笔记】旧版MSYS2 环境中 Rust 升级问题及解决过程

下面是一份针对在旧版 MSYS2&#xff08;安装在 D 盘&#xff09;中&#xff0c;基于 Python 3.11 的 Poetry 虚拟环境下升级 Rust 的处理过程笔记&#xff08;适用于 WIN 系统 SUNA 人工智能代理开源项目部署要求&#xff09;的记录。 MSYS2 旧版环境中 Rust 升级问题及解决过…...

centos查看开启关闭防火墙状态

执行&#xff1a;systemctl status firewalld &#xff0c;即可查看防火墙状态 防火墙的开启、关闭、禁用命令 &#xff08;1&#xff09;设置开机启用防火墙&#xff1a;systemctl enable firewalld.service &#xff08;2&#xff09;设置开机禁用防火墙&#xff1a;system…...

[论文阅读] 人工智能 | 大语言模型计划生成的新范式:基于过程挖掘的技能学习

#论文阅读# 大语言模型计划生成的新范式&#xff1a;基于过程挖掘的技能学习 论文信息 Skill Learning Using Process Mining for Large Language Model Plan Generation Andrei Cosmin Redis, Mohammadreza Fani Sani, Bahram Zarrin, Andrea Burattin Cite as: arXiv:2410.…...

MS31912TEA 多通道半桥驱动器 氛围灯 照明灯 示宽灯 转向灯驱动 后视镜方向调节 可替代DRV8912

MS31912TEA 多通道半桥驱动器 氛围灯 照明灯 示宽灯 转向灯驱动 后视镜方向调节 可替代DRV8912 产品简述 MS31912 是集成多种高级诊断功能的多通道半桥驱动。 MS31912 具有 12 个半桥&#xff0c;典型工作电压 13.5V 下&#xff0c;每一个半桥支持 1A 电流&#xff0c;典型工…...

软考 系统架构设计师系列知识点之杂项集萃(84)

接前一篇文章&#xff1a;软考 系统架构设计师系列知识点之杂项集萃&#xff08;83&#xff09; 第151题 在软件系统工具中&#xff0c;版本控制工具属于&#xff08;&#xff09;&#xff0c;软件评价工具属于&#xff08;&#xff09;。 第1空 A. 软件开发工具 B. 软件维…...

矩阵QR分解

1 orthonormal 向量与 Orthogonal 矩阵 orthonormal 向量定义为 &#xff0c;任意向量 相互垂直&#xff0c;且模长为1&#xff1b; 如果将 orthonormal 向量按列组织成矩阵&#xff0c;矩阵为 Orthogonal 矩阵&#xff0c;满足如下性质&#xff1a; &#xff1b; 当为方阵时&…...

UDP与TCP的区别是什么?

UDP和TCP是互联网通信中最常用的两种传输层协议&#xff0c;它们在数据传输方式、可靠性、速度和适用场景等方面存在显著差异。本文将围绕UDP与TCP的核心区别展开详细分析&#xff0c;包括连接方式、数据传输机制、传输效率以及各自适合的应用场景&#xff0c;帮助开发者和网络…...

撰写脚本,通过发布/joint_states话题改变机器人在Rviz中的关节角度

撰写脚本&#xff0c;通过发布/joint_states话题改变机器人在Rviz中的关节角度 提问 为我写一个改变关节base_spherical_center_high_joint角度的python脚本吧。适用于ROS2的humble 回答 下面是一个适用于 ROS 2 Humble 的 Python 脚本&#xff0c;它会以指定频率持续发布 …...

AOP实现Restful接口操作日志入表方案

文章目录 前言一、基础资源配置1.操作日志基本表[base_operation_log] 见附录1。2.操作日志扩展表[base_operation_log_ext] 见附录2。3.定义接口操作系统日志DTO&#xff1a;OptLogDTO4.定义操作日志注解类WebLog5.定义操作日志Aspect切面类SysLogAspect6.定义异步监听日志事件…...

【MATLAB去噪算法】基于CEEMDAN联合小波阈值去噪算法(第四期)

CEEMDAN联合小波阈值去噪算法相关文献 一、EMD 与 EEMD 的局限性 &#xff08;1&#xff09;EMD (经验模态分解) 旨在自适应地将非线性、非平稳信号分解成一系列 本征模态函数 (IMFs)&#xff0c;这些 IMFs 从高频到低频排列。 核心问题&#xff1a;模态混合 (Mode Mixing) 同…...

Webhook 配置备忘

本文地址&#xff1a;blog.lucien.ink/archives/552 将下列代码保存为 install.sh&#xff0c;然后 bash install.sh。 #!/usr/bin/env bash set -e wget https://github.mirrors.lucien.ink/https://github.com/adnanh/webhook/releases/download/2.8.2/webhook-linux-amd64.…...

从理论崩塌到新路径:捷克科学院APL Photonics论文重构涡旋光技术边界

理论预言 vs 实验挑战 光子轨道角动量&#xff08;Orbital Angular Momentum, OAM&#xff09;作为光场调控的新维度&#xff0c;曾被理论预言可突破传统拉曼散射的对称性限制——尤其是通过涡旋光&#xff08;如拉盖尔高斯光束&#xff09;激发晶体中常规手段无法探测的"…...

机器学习笔记【Week7】

一、SVM的动机&#xff1a;大间隔分类器 1、逻辑回归回顾 假设函数为 sigmoid 函数&#xff1a; h θ ( x ) 1 1 e − θ T x h_\theta(x) \frac{1}{1 e^{-\theta^Tx}} hθ​(x)1e−θTx1​ 分类依据是 h θ ( x ) ≥ 0.5 h_\theta(x) \geq 0.5 hθ​(x)≥0.5 为正类&a…...

LSM Tree算法原理

LSM Tree(Log-Structured Merge Tree)是一种针对写密集型场景优化的数据结构,广泛应用于LevelDB、RocksDB等数据库引擎中。其核心原理如下: ‌1. 写入优化:顺序写代替随机写‌ ‌内存缓冲(MemTable)‌:写入操作首先被写入内存中的数据结构(如跳表或平衡树),…...

智能推荐系统:协同过滤与深度学习结合

智能推荐系统&#xff1a;协同过滤与深度学习结合 系统化学习人工智能网站&#xff08;收藏&#xff09;&#xff1a;https://www.captainbed.cn/flu 文章目录 智能推荐系统&#xff1a;协同过滤与深度学习结合摘要引言技术原理对比1. 协同过滤算法&#xff1a;基于相似性的推…...

文档处理组件Aspose.Words 25.5全新发布 :六大新功能与性能深度优化

在数字化办公日益普及的今天&#xff0c;文档处理的效率与质量直接影响到企业的运营效率。Aspose.Words 作为业界领先的文档处理控件&#xff0c;其最新发布的 25.5 版本带来了六大新功能和多项性能优化&#xff0c;旨在为开发者和企业用户提供更强大、高效的文档处理能力。 六…...

固态继电器与驱动隔离器:电力系统的守护者

在电力系统中&#xff0c; 固态继电器合驱动隔离器像两位“电力守护神”&#xff0c;默默地确保电力设备的安全与稳定运行。它们通过高效、可靠的性能&#xff0c;保障了电力设备在各种环境下的正常工作。 固态继电器是电力控制中的关键组成部分&#xff0c;利用半导体器件来实…...

uni-app 如何实现选择和上传非图像、视频文件?

在 uni-app 中实现选择和上传非图像、视频文件&#xff0c;可根据不同端&#xff08;App、H5、小程序&#xff09;的特点&#xff0c;采用以下方法&#xff1a; 一、通用思路&#xff08;多端适配优先推荐&#xff09; 借助 uni.chooseFile 选择文件&#xff0c;再用 uni.upl…...