当前位置: 首页 > article >正文

Java 刷题必备:HashMap、HashSet、ArrayList 超全速记手册

在 Java 算法刷题和日常开发中HashMap、HashSet、ArrayList是使用率最高的三个集合工具堪称「刷题三巨头」。本文整理了它们的基础用法、核心方法、高频场景、易错点纯干货无废话背会就能直接上手写代码一、HashMap 键值对映射神器核心特点存储结构key-value 键值对key 唯一、value 可重复性能增删改查均为 O (1)效率拉满特性无序不保证存储顺序1. 基础创建泛型指定键和值的类型支持任意引用类型// 字符为键整数为值常用字符计数 HashMapCharacter, Integer map new HashMap(); // 整数为键整数为值常用数字计数 HashMapInteger, Integer map new HashMap();2. 核心常用方法刷题必背方法作用关键特性put(key, value)存入键值对键重复时覆盖旧值get(key)根据键取值键不存在返回nullgetOrDefault(key, 默认值)安全取值键不存在返回默认值避免空指针刷题首选containsKey(key)判断键是否存在返回 boolean 值remove(key)删除指定键的键值对直接删除无返回值isEmpty()判断是否为空空返回 truesize()获取键值对数量返回 int 类型代码示例map.put(a, 1); // 存值 Integer val map.get(a); // 取值 map.getOrDefault(b, 0); // 无b返回0 if(map.containsKey(a)){} // 判断键存在3. 三种遍历方式// 1. 遍历所有key最常用 for(char k : map.keySet()){} // 2. 遍历所有value for(int v : map.values()){} // 3. 键值对一起遍历 for(Map.EntryCharacter,Integer entry : map.entrySet()){ char k entry.getKey(); int v entry.getValue(); }4. 刷题万能计数模板所有频次统计、异位词、重复数题目直接套// 元素计数1 map.put(c, map.getOrDefault(c, 0) 1); // 元素计数-1 map.put(c, map.get(c) - 1);5. 高频易错点比较内容不能用 必须用equals()get(key)无结果返回nullint 接收会报错 → 优先用getOrDefaultHashMap 无序需要有序用LinkedHashMap二、HashSet 去重 存在判断神器核心特点存储结构单个元素无键值对核心特性元素不重复、无序性能查询 O (1)专门用于去重和存在性判断1. 基础创建import java.util.HashSet; import java.util.Set; // 字符集合 SetCharacter set new HashSet(); // 整数集合 SetInteger set new HashSet();2. 核心常用方法必背方法作用关键特性add(元素)添加元素重复元素自动忽略contains(元素)判断元素是否存在返回 boolean刷题高频remove(元素)删除指定元素直接删除isEmpty()判断是否为空空返回 truesize()获取元素个数返回 intclear()清空所有元素无返回值代码示例set.add(a); // 添加元素 if(set.contains(a)){} // 判断存在 set.remove(b); // 删除元素3. 常用遍历// 增强for循环最简单 for(char c : set){ }4. 刷题高频场景数组 / 字符串去重判断是否包含重复元素快速校验元素是否存在5. HashSet vs HashMap必考HashSet存单个元素用于去重、判断存在HashMap存键值对用于统计次数、数据映射三、ArrayList 动态数组神器核心特点对比普通数组长度动态可变自动扩容底层动态数组支持下标访问注意只能存引用类型基本类型用包装类Integer/Character1. 基础创建import java.util.ArrayList; import java.util.List; // 整数动态数组 ListInteger list new ArrayList(); // 字符动态数组 ListCharacter list new ArrayList(); // 字符串动态数组 ListString list new ArrayList();2. 核心常用方法刷题天花板新增元素add(e)末尾添加元素返回 booleanadd(index, e)指定下标插入元素list.add(3); // 末尾加3 list.add(1, 5); // 下标1处插入5获取 修改元素get(index)获取指定下标元素set(index, e)修改指定下标元素返回被替换的旧值int num list.get(0); // 取下标0 int old list.set(0, 99); // 修改下标0为99删除元素高频易错remove(int index)按下标删除返回被删元素remove(Object o)按元素删除返回 booleanint del list.remove(0); // 删除下标0 boolean ok list.remove((Integer)5); // 删除元素5其他常用方法方法作用size()获取元素个数isEmpty()判断是否为空contains()判断元素是否存在indexOf()获取元素第一个下标无则返回 - 1clear()清空集合3. 数组 ↔ ArrayList 互转算法高频// 1. 数组转ArrayList遍历添加 int[] arr {1,2,3}; ListInteger list new ArrayList(); for(int num : arr){ list.add(num); } // 2. ArrayList转数组 Integer[] arr list.toArray(new Integer[0]);4. 极简总结add(e)→ 末尾添加get(i)→ 下标取值set(i,e)→ 修改元素remove(i)→ 按下标删remove(obj)→ 按元素删size()→ 查长度contains()→ 判存在总结这三个集合是 Java 刷题的「基础骨架」统计次数、存映射 → 用HashMap去重、判存在 → 用HashSet动态存数据、下标访问 → 用ArrayList熟记本文的方法和场景算法题和开发代码直接秒写

相关文章:

Java 刷题必备:HashMap、HashSet、ArrayList 超全速记手册

在 Java 算法刷题和日常开发中,HashMap、HashSet、ArrayList 是使用率最高的三个集合工具,堪称「刷题三巨头」。本文整理了它们的基础用法、核心方法、高频场景、易错点,纯干货无废话,背会就能直接上手写代码!一、Hash…...

蓝桥杯单片机实战:NE555频率测量与定时器配置详解

1. NE555频率测量基础与硬件连接 在蓝桥杯单片机竞赛中,NE555频率测量是常见的基础任务。NE555作为经典定时器芯片,能产生稳定的方波信号。测量其输出频率的核心思路是将信号接入单片机计数器引脚,通过定时采样计数值换算频率。这里有个关键细…...

基于TypeScript的AI Agent开发SDK:模块化架构与工程实践指南

1. 项目概述:一个为AI Agent开发赋能的TypeScript SDK如果你正在尝试构建一个能够自主思考、调用工具、并与用户进行复杂交互的AI智能体(Agent),那么你很可能已经感受到了其中的复杂性。从理解用户意图、规划任务步骤,…...

Qwen3.5-2B应用场景:教育行业作业批改辅助——截图题+多步解题推理

Qwen3.5-2B应用场景:教育行业作业批改辅助——截图题多步解题推理 1. 教育行业的作业批改痛点 1.1 传统批改方式的挑战 人工批改耗时:教师每天需要花费大量时间批改作业,特别是数学、物理等需要逐步推理的科目截图题处理困难:学…...

别再折腾双系统了!用WSL2+CentOS7+xfce4打造你的Windows原生Linux开发桌面

告别双系统:用WSL2CentOS7构建无缝Linux开发环境 每次重启切换操作系统的等待,虚拟机卡顿时的烦躁,开发环境不一致导致的调试噩梦——这些困扰开发者多年的问题,其实早该被扔进技术历史的垃圾桶。当WSL2遇上轻量级桌面环境&#x…...

三大突破:FakeLocation如何通过应用级Hook技术实现Android精准虚拟定位

三大突破:FakeLocation如何通过应用级Hook技术实现Android精准虚拟定位 【免费下载链接】FakeLocation Xposed module to mock locations per app. 项目地址: https://gitcode.com/gh_mirrors/fak/FakeLocation 在移动应用生态中,位置隐私保护已成…...

JavaScript中Symbol-keyFor检索全局符号键名逻辑

Symbol.keyFor()仅对Symbol.for()创建的全局Symbol有效,返回其键名字符串;对Symbol()创建的局部Symbol或内建Symbol均返回undefined。Symbol.keyFor() 只对通过 Symbol.for() 注册到全局符号注册表的 Symbol 有效,它返回该 Symbol 对应的键名…...

JavaScript中函数声明位置对解析器预编译的影响

函数声明会被完整提升,包括函数名和函数体;函数表达式仅变量名提升,赋值不提升;块级函数声明行为不统一,严格模式下受TDZ约束;箭头函数和class声明不享受函数声明式提升。JavaScript中函数声明会被提升&…...

AI试衣算法源码-一键生成模特试衣图-支持多角度+纹理自适应-PHP+MySQL-电商降本增效

温馨提示:文末有资源获取方式电商服装类目卖家都清楚,一套像样的模特试衣图拍摄下来:模特费用:500-2000元/天摄影师灯光:800-3000元/天化妆师场地:500-1500元/天后期修图:20-100元/张一套衣服拍…...

工作绩效数据—>工作绩效信息—>工作绩效报告

在软考10大管理知识域, 经常会看到这3个词。 所有10大管理都有工作绩效数据、工作绩效信息,在整合管理、沟通管理中还包括工作绩效报告 这3个词是有先后顺序的, 第一 数据, 第二 信息, 第三 报告。 从5大过程组的角度看…...

避开海面遥感坑:实测讲解SAR不同入射角(20°-70°)下海面回波信号的差异与选择

避开海面遥感坑:实测讲解SAR不同入射角(20-70)下海面回波信号的差异与选择 海洋监测的精度往往藏在雷达参数的细节里。去年参与南海风场反演项目时,团队因入射角选择不当导致数据信噪比骤降30%,不得不返工重飞。这个教…...

AI一键换衣换装系统-自研CGSY算法-模特自动适配-开源SaaS-可二开无限开账号

温馨提示:文末有资源获取方式在电商服装类目中,传统模特拍摄成本高、周期长,一套图动辄几千上万。如今,基于自研CGSY算法的AI换衣系统正改变这一局面。核心功能列表多类型服装支持:上传模特图上衣/下衣/连衣裙图&#…...

OpenAI注册登录总报错?别慌,这份保姆级排错指南(含IP、Cloudflare、节点选择)

OpenAI注册登录报错全攻略:从IP优化到环境配置的深度解决方案 开篇:为什么你的OpenAI账号总是无法正常使用? 最近半年,身边至少有二十位朋友向我抱怨过同一个问题:"OpenAI的注册页面怎么一直报错?&quo…...

2026工业级实战:YOLO模型从200MB无损压缩到20MB,边缘部署帧率暴涨10倍全方案

在工业视觉、智能安防、移动机器人等端侧落地场景中,YOLO早已成为目标检测的绝对主流。但我们始终面临一个无解的矛盾:高精度的大模型(如YOLOv8x、YOLOv11x)动辄200MB,在Jetson Nano、瑞芯微RK3588、嵌入式工控机等边缘…...

机器学习模型评估的统计学方法与置信区间计算

1. 机器学习模型评估的统计学基础在Tom Mitchell 1997年出版的经典教材《机器学习》中,第五章专门讨论了评估机器学习模型的统计方法。这一章节至今仍具有重要价值,因为统计学为机器学习项目的每个阶段提供了关键工具集。没有统计方法,从业者…...

新药研发避坑指南:如何用ADMET预测工具(如ADMETlab 2.0)提前筛掉“问题分子”?

新药研发避坑指南:如何用ADMET预测工具提前筛掉"问题分子"? 在药物研发的漫长征程中,最令人沮丧的莫过于投入大量资源后,发现候选分子因ADMET(吸收、分布、代谢、排泄和毒性)问题而功亏一篑。据统…...

量子KIC模型与量子电池:理论与精确对角化技术

1. 量子KIC模型与量子电池的基础理论框架量子KIC模型(Kicked Ising Chain)是量子多体物理中一个极具研究价值的系统,它将传统的横向场伊辛模型(TFIM)与周期性脉冲(kick)相结合。这个模型之所以引…...

终极Photoshop AI插件SD-PPP完整指南:如何快速集成Stable Diffusion到设计工作流

终极Photoshop AI插件SD-PPP完整指南:如何快速集成Stable Diffusion到设计工作流 【免费下载链接】sd-ppp A Photoshop AI plugin 项目地址: https://gitcode.com/gh_mirrors/sd/sd-ppp 在当今AI绘图技术日新月异的时代,SD-PPP作为一款创新的Phot…...

神经机器翻译技术演进与工程实践

1. 神经机器翻译的演进历程机器翻译作为人工智能领域最具挑战性的任务之一,其发展历程经历了三个主要阶段。最早可追溯至上世纪50年代,当时计算机科学家们就梦想着实现自动语言转换。早期的规则式机器翻译(RBMT)系统完全依赖语言学专家手工编写的转换规则…...

家用设备部署轻量级对话AI:从模型选择到实践优化

1. 项目概述:在家打造专属对话AI三年前我第一次接触大语言模型时,需要租用昂贵的云服务器才能运行基础版本。如今随着模型优化和硬件发展,在消费级设备上部署轻量级对话AI已成为可能。这个项目将带你在家用显卡或甚至纯CPU环境下,…...

Claude AI技术解析:从对话模型到企业级应用开发

1. Claude AI 初探:新一代对话式AI的独特魅力第一次接触Claude AI时,我立刻被它流畅自然的对话能力所吸引。与市面上大多数AI助手不同,Claude展现出惊人的上下文理解能力和逻辑推理水平。记得有一次我让它帮忙分析一段复杂的技术文档&#xf…...

区块链与AI融合架构深度解析:一位测试工程师的专业视角

当分布式账本遇见智能算法“区块链AI”已成为当下技术领域最富想象力的融合方向之一。对于软件测试从业者而言,理解这一融合架构不仅是技术视野的拓展,更是测试思维范式的一次重要升级。本文将从专业测试视角出发,通过一张核心架构图&#xf…...

微服务治理陷阱:从100个崩溃案例看熔断机制对测试的启示

在数字化转型的浪潮下,微服务架构凭借其敏捷、灵活与可扩展的优势,已成为构建现代复杂应用的主流范式。然而,服务拆解带来的并非全是红利,随之而来的分布式复杂性,尤其是服务间错综复杂的依赖关系,将系统稳…...

分布式量子计算COMPAS架构解析与优化实践

1. 分布式量子计算与COMPAS架构概述量子计算正面临一个关键瓶颈:单个芯片上的量子比特数量有限。这就像试图用一台老式计算机运行现代操作系统——硬件资源严重不足。为了解决这个问题,研究者们开始探索分布式量子计算架构,将多个量子处理单元…...

real-anime-z惊艳生成:半透明材质(玻璃/纱质/水膜)光学特性还原

real-anime-z惊艳生成:半透明材质(玻璃/纱质/水膜)光学特性还原 1. 真实动画风格生成新标杆 real-anime-z模型代表了当前动画风格生成领域的技术突破,特别是在处理半透明材质的光学特性方面表现出色。这个基于Z-Image LoRA版本优…...

【OpenMV+STM32】PID算法调优与二维云台色块追踪实战

1. 从零理解PID控制的核心逻辑 第一次接触PID算法时,我被那些微分积分公式吓得不轻。直到把云台控制拆解成日常场景才豁然开朗——就像新手司机学倒车入库:看到车位偏左就向右打方向(比例控制),发现方向盘转得太猛就稍…...

微信小程序自定义导航栏下,position: sticky失效?手把手教你动态计算top值(附代码)

微信小程序自定义导航栏下position: sticky失效的终极解决方案 当你在微信小程序中实现一个滚动吸顶效果时,position: sticky突然失效了?这不是你的CSS写错了,而是小程序自定义导航栏带来的"惊喜"。本文将带你深入理解问题本质&…...

设计工具:主流品类盘点与高效使用指南

当前数字化生产场景中,设计环节的效率直接影响全链路业务推进速度。互联网产品研发、电商内容生产、企业品牌宣传等多个领域,都对设计产出的质量和速度提出了更高要求。不少非设计岗位的从业者也开始接触设计工具,面对品类繁多的工具选项&…...

ESP32-C3 WiFi实战:从零搭建一个能自动配网的智能设备(附完整代码)

ESP32-C3 WiFi实战:从零搭建自动配网智能设备全流程解析 当你第一次拿到ESP32-C3开发板时,可能会被它丰富的无线功能所吸引。这款集成了WiFi和蓝牙的芯片,正成为物联网开发者的首选。但如何快速上手,构建一个真正实用的智能设备&a…...

从“看图说话”到“文生图”:拆解多模态Transformer编码器,看ViT如何成为视觉大模型的基石

从“看图说话”到“文生图”:拆解多模态Transformer编码器,看ViT如何成为视觉大模型的基石 当你在MidJourney输入"星空下的鲸鱼跃出水面"时,系统在0.3秒内生成了一张令人惊叹的图片——这背后究竟发生了什么?答案藏在Vi…...