STL关联式容器set,multiset,pair,map
set容器是一个集合容器。包含元素是唯一的。集合元素按照一点顺序排列,元素插入过程是顺序插入,所有不能插入指定位置。
set采用红黑树变体的数据结构实现。红黑树属于平衡二叉树。再插入和删除上比vector快。
set不能直接存取元素(不能用at.()和[])
multiset和set大致相同,但是set支持唯一键值,每个元素只能出现一遍。而multiset可以出现多次。(会自动去重)
不可以直接修改set或multiset容器中的元素值,因为该类容器是自动排序的。如果希望修改一个元素值只能先删除后插入新的元素值
构造与其他容器没有什么区别。
set.insert(elem)只用插入元素就可以了会自动排序
同样有
set.begin
set.end
set.rbegin
set.rend
这些常见的迭代器
set的内部的默认排序是升序排列的
set.swap();
删除如下
set.clear()
set.erase(pos)
set.erase(beg,end)
set.erase(elem)如果没有就会返回0,有就会删除并且返回1
set不支持反向迭代器对元素进行删除
通过迭代器删除以后,迭代器会重新指向set容器中的第一个元素
set容器的元素排序
set.<int,less<int>> s1;升序排序(不输就默认)
set<int,greater<int>> s2;降序排序
less<>和geater<>都是对象
可以通过自己写对象来更改排序方式
接下来是set的查找
set.find(elem)返回指向elem的迭代器
set.count(elem)查找数值为elem的迭代器,set只有0或1.multiset可能会更多
set.lower_bound(elem)找到第一个>=elem元素的迭代器器
set.higher_bound(elem)找到第一个>elem元素的迭代器
set.equal_range(elem)
找一个与elem相等的上下限的两个迭代器(上闭下开)
例如1,3,5,7,9
elem=5,那么就会返回5和7元素的迭代器
而返回的则用pair进行存放
pair可以将2个值视为一个单元
pair<t1,t1>两个值的类型可以不一样
pair.first是第一个成员变量的类型
pair.second是第二个成员变量的类型
pair<set<int>::iterator,set<int>::iterator>=s1.equal_range(elem)
类似与这样使用
如果elem不存在,则根据编译器的不同会出现不同的结果
map容器
map不允许容器中有重复的key值元素 multimap允许容器中有重复的key值元素
map<t1,t2>
multiple<t1,t2>
如map<int,char> mapA;
第一种插入方式
map.insert(pair<int,string>(3,"小张");)
第二种插入元素,返回pair
map.insert(pair(3,"小张"))
直接插pair
第三种通过value_type
map.insert(map<int,string>)::value_type(1,"小李");
第四种
通过数组的方式插入
map[3]="小刘"
但是这种会先去删除已有的对象。而前面的方法不会。
map容器对象获取键对应的值
第一种使用[]
第二种使用find()Hanshu1.成功返回对应的迭代器,失败返回end()的迭代器
第三章使用at()函数,如果键值不存在就会抛出out_of_range异常
相关文章:
STL关联式容器set,multiset,pair,map
set容器是一个集合容器。包含元素是唯一的。集合元素按照一点顺序排列,元素插入过程是顺序插入,所有不能插入指定位置。 set采用红黑树变体的数据结构实现。红黑树属于平衡二叉树。再插入和删除上比vector快。 set不能直接存取元素(不能用a…...
MFC文本输出学习
void CTxttstView::OnDraw(CDC* pDC) {CTxttstDoc* pDoc GetDocument();ASSERT_VALID(pDoc);// TODO: add draw code for native data hereCString str1;pDC->SetBkColor(RGB(0,0,0));pDC->TextOut(50, 50, "一段文字");pDC->SetBkColor(RGB(255,255,255))…...
Python 数据分析与挖掘(一)
Python 数据分析与挖掘(数据探索) 数据探索 1.1 需要掌握的工具(库) 1.1.1 Nump库 Numpy 提供多维数组对象和各种派生对象(类矩阵),利用应用程序接口可以实现大量且繁琐的数据运算。可以构建…...
【问题证明】矩阵方程化为特征值方程求得的特征值为什么是全部特征值?不会丢解吗?
问题 这个问题困扰了我好久,一直感觉如果有其他的特征值没法证伪,不过一直存在思想的层面,没有实际解决,今天突然想到动笔来解决,遂得解,证明如下。 证明 总结 这个证明看似证明过后很直观,但…...
虹科干货 | 不是吧,Redis Enterprise也能当向量数据库来用?
什么是向量相似性搜索啊? 例如,你需要搜索一棵发财树的图片,如果用传统数据库来检索,你大概率会在茫茫树丛中错失心仪的发财树。但是,向量相似性搜索能用向量来表示所有树的特征,这样就能够通过计算向量之间…...
汽车驾驶 - 四梁六柱是什么
汽车的四梁六柱指的是车辆的两个前纵梁,两个后纵梁和ABC柱。虽然不像车辆上的发动机变速箱这些部件出镜率那么高,但这几个部位的重要作用可一点都不含糊。一辆车在碰撞时能够受力起到保护左右的就是四梁六柱,对我们汽车的安全性起到至关重要的…...
CI522 13.56MHZ电动车NFC测试资料
Ci522是一颗工作在13.56MHz频率下的非接触式读写芯片,支持读A卡(CI523支持读A/B卡),可做智能门锁、电动车NFC一键启动、玩具NFC开锁等应用。为部分要求低成本,PCB小体积的产品提供了可靠的选择。 Ci522与Si522/MFRC52…...
【微信小程序开发】一文学会使用CSS样式布局与美化
引言 在微信小程序开发中,CSS样式布局和美化是非常重要的一部分,它能够为小程序增添美感,提升用户体验。本文将介绍如何学习使用CSS进行样式布局和美化,同时给出代码示例,帮助开发者更好地掌握这一技巧。 一、CSS样式布…...
漏刻有时物联网环境态势感知大数据(设备列表、动态折线图)
物联网环境下的态势感知是指对物联网环境中的各种要素进行全面、实时、准确的监测、分析和预测,以实现网络态势的全面掌握和安全威胁的及时响应和处理。具体而言,态势感知以物联网环境为基础,利用各类传感器、数据采集设备和其他相关工具,对物联网设备、资产、数据流等进行…...
【力扣】单调栈:901. 股票价格跨度
【力扣】单调栈:901. 股票价格跨度 文章目录 【力扣】单调栈:901. 股票价格跨度1. 题目介绍2. 思路3. 解题代码参考 1. 题目介绍 设计一个算法收集某些股票的每日报价,并返回该股票当日价格的 跨度 。 当日股票价格的 跨度 被定义为股票价格…...
4_使用预训练模型 微调训练CIFAR10
使用预训练模型 微调训练CIFAR10 1. VGG 准备工作import torch from torch import nn import torchvision from torchvision import models from torchvision import datasets, transforms from datetime import datetime from tqdm import tqdm from torchsummary import sum…...
机器学习笔记(一)
1.线性回归模型 2. 损失函数 3.梯度下降算法 多元特征的线性回归 当有多个影响因素的时候,公式可以改写为: 当有多个影响因素的时候为了方便计算,可以使用 Numpy下面的点积方法, np.dot(w,x) 最后再加个b 就省略了很多书写步骤,这叫做矢量化 多元回归的梯度下降 左边是一…...
学习在原地打转的原因与解决 如何步步为营 一日千里快速进步 考研工程计算 1万小时=416.666666667 天
学习在原地打转的原因可能有很多。以下是一些常见的原因: 缺乏明确的目标:如果没有明确的学习目标,人们往往会感到迷失和困惑。没有一个明确的方向,就很难做出有针对性的努力,从而导致学习进展缓慢。 学习方法不当&a…...
194、SpringBoot --- 下载和安装 Erlang 、 RabbitMQ
本节要点: 一些命令: 小黑窗输入: rabbitmq-plugins enable rabbitmq_management 启动控制台插件 rabbitmq-server 启动rabbitMQ服务器 管理员启动小黑窗: rabbitmq-service install 添加rabbitMQ为本地服务 启动浏览器访问 htt…...
机器学习7:pytorch的逻辑回归
一、说明 逻辑回归模型是处理分类问题的最常见机器学习模型之一。二项式逻辑回归只是逻辑回归模型的一种类型。它指的是两个变量的分类,其中概率用于确定二元结果,因此“二项式”中的“bi”。结果为真或假 — 0 或 1。 二项式逻辑回归的一个例子是预测人…...
Java应用程序中如何实现FTP功能 | 代码示例和教程
原为地址:https://www.toymoban.com/diary/java/363.html 在Java应用程序中实现FTP功能需要使用FTPClient类和相关方法。下面是实现三个主要功能的示例代码: 1)显示FTP服务器上的文件: void ftpList_actionPerformed(ActionEv…...
kotlin:list的for循环
代码: var list { "a", "b", "c" } for (i in list.indices) {print("app"i""list[i]) }...
asp.net电影院选座系统VS开发sqlserver数据库web结构c#编程Microsoft Visual Studio
一、源码特点 asp.net电影院选座系统 是一套完善的web设计管理系统,系统具有完整的源代码和数据库,系统主要采用B/S模式开发。开发环境为vs2010,数据库为sqlserver2008,使用c#语言开发 asp.net电影院选座系统1 二、功能介…...
CSS鼠标指针表
(机翻)搬运自:cursor - CSS: Cascading Style Sheets | MDN (mozilla.org) 类型Keyword演示注释全局autoUA将基于当前上下文来确定要显示的光标。例如,相当于悬停文本时的文本。default 依赖于平台的默认光标。通常是箭头。none不会渲染光标。链接&状态contex…...
树的基本概念及二叉树
目录 一、树的基本概念 (1)树的结点 (2)度 (3)结点层次 (4)树的高度 树的特点: 二、二叉树 (1)满二叉树 (2)完…...
Pixel Mind Decoder 数据结构优化:提升批量文本情绪处理效率
Pixel Mind Decoder 数据结构优化:提升批量文本情绪处理效率 1. 为什么需要优化批量处理 当你需要分析成千上万条用户评论或社交媒体内容时,逐条调用情绪分析模型会变得非常低效。就像在快餐店点餐一样,一个一个处理订单远不如批量处理来得…...
CLIP-GmP-ViT-L-14实操手册:批量图片上传+多提示词并行计算优化
CLIP-GmP-ViT-L-14实操手册:批量图片上传多提示词并行计算优化 1. 项目概述 CLIP-GmP-ViT-L-14是一个经过几何参数化(GmP)微调的CLIP模型,在ImageNet和ObjectNet数据集上达到了约90%的准确率。这个强大的视觉-语言模型能够理解图片内容并将其与文本描述…...
告别Swagger原生UI!用Knife4j给你的SpringBoot API文档做个‘美容’
从Swagger到Knife4j:打造专业级API文档的终极指南 如果你已经厌倦了Swagger原生UI那千篇一律的界面和笨拙的操作体验,那么是时候给你的API文档来一次全面升级了。在当今这个注重用户体验的时代,一个美观、易用且功能强大的API文档界面&#x…...
别再只会用灰度图做均衡化了!OpenCV彩色图像直方图均衡化实战(附完整代码)
突破灰度局限:OpenCV彩色图像直方图均衡化的专业实践指南 当你在处理一张背光拍摄的人像照片时,直接应用灰度图的均衡化方法会导致什么结果?色彩失真、肤色异常、细节丢失——这正是许多计算机视觉工程师在项目初期常犯的错误。本文将带你深入…...
Rufus终极指南:轻松制作Windows 11启动盘,一键绕过TPM限制
Rufus终极指南:轻松制作Windows 11启动盘,一键绕过TPM限制 【免费下载链接】rufus The Reliable USB Formatting Utility 项目地址: https://gitcode.com/GitHub_Trending/ru/rufus 还在为Windows 11的TPM 2.0硬件要求而烦恼吗?你的旧…...
SAM 3实操手册:分割掩码生成STL网格用于3D打印前处理
SAM 3实操手册:分割掩码生成STL网格用于3D打印前处理 1. 引言 你是否遇到过这样的问题:想要3D打印一个实物,但手头只有一张照片?或者想要从复杂的背景中提取出特定物体进行三维重建?传统的方法需要手动抠图、建模&am…...
从Vaihingen数据集到训练样本:高分辨率遥感影像语义分割全流程实战
1. 初识Vaihingen数据集:遥感语义分割的黄金标准 第一次接触Vaihingen数据集时,我被它5厘米的超高分辨率震撼到了。这个由ISPRS提供的基准数据集,虽然只包含38张60006000像素的影像,但每张都清晰地展现了德国小镇Vaihingen的街道、…...
FatFileSystem:面向资源受限MCU的轻量级FAT文件系统
1. FatFileSystem 嵌入式 FAT 文件系统库深度解析FatFileSystem 是一个轻量级、可移植的嵌入式 FAT 文件系统实现,专为资源受限的微控制器环境设计。它并非完整重写的 FAT32 标准栈(如 FatFs),而是对经典开源 FAT 实现的精简裁剪与…...
Spring AI MCP实战避坑指南:从部署到调试的常见问题解析
1. Spring AI MCP部署前的环境准备 第一次接触Spring AI MCP时,我像大多数开发者一样直接跳过了环境检查环节,结果在后续部署过程中踩了不少坑。这里分享几个必须提前确认的关键点: 操作系统兼容性是首要考虑因素。虽然Spring AI MCP理论上支…...
ESP32嵌入式Web文件管理器:支持SPIFFS/LittleFS/SD卡
1. EspWebFileManager 库概述EspWebFileManager 是一款专为 ESP32 平台设计的嵌入式 Web 文件管理中间件库,其核心目标是将本地文件系统操作能力通过轻量级 HTTP 服务暴露至浏览器端,实现免串口、免烧录工具的现场文件运维。该库并非独立文件系统驱动&am…...
