当前位置: 首页 > news >正文

12.29 - 字符串相加 vector和map的区别

目录

1.加字符串相

a.核心思想

b.思路

c.步骤

2.vector和map的区别

a.不同点

b.相同点


1.加字符串相

415. 字符串相加 - 力扣(LeetCode)https://leetcode.cn/problems/add-strings/

class Solution { public: string addStrings(string num1, string num2) { string result = ""; int carry = 0; int i = num1.size() - 1, j = num2.size() - 1; while (i >= 0 || j >= 0 || carry > 0) { int digit1 = (i >= 0) ? num1[i--] - '0' : 0; int digit2 = (j >= 0) ? num2[j--] - '0' : 0; int sum = digit1 + digit2 + carry; carry = sum / 10; result.insert(result.begin(), sum % 10 + '0'); } return result; } };

a.核心思想

模拟手工加法的过程,从两个字符串的末尾开始逐位相加,处理进位情况,最后将结果反转得到最终的和字符串。

b.思路

① 使用两个指针分别指向两个字符串的末尾。

② 从末尾开始逐位相加,将每一位的结果模10作为当前位的值,整除10得到进位值。

③ 将每一位的结果插入到结果字符串的前面。

④ 处理完所有位后,如果还有进位,将其插入到结果字符串的最前面。

⑤ 返回结果字符串。

c.步骤

① 初始化结果字符串result,进位carry为0,以及两个指针ij分别指向num1num2的末尾。

② 循环直到两个指针都处理完且进位为0:

  • 获取当前位的数字,如果指针未越界则取对应字符转换为数字,否则取0。

  • 计算当前位的和以及进位。

  • 将当前位的值插入到结果字符串的前面。

  • 移动指针。

③ 返回结果字符串。

2.vector和map的区别

a.不同点

vector

map

数据结构与存储方式

本质是动态数组,在内存中是连续存储的。这种连续存储使得它能够高效地进行随机访问,通过下标直接定位元素,时间复杂度为 O(1)

通常基于平衡二叉树(如红黑树)实现,元素以键值对的形式存储,并且会根据键的大小自动排序。由于是树形结构,其内存不是连续的

元素特性

存储的是单一类型的元素,元素之间没有特定的关联关系,只是按照插入顺序依次排列

存储的是键值对,每个键都是唯一的,通过键可以快速找到对应的值,键和值之间存在明确的映射关系

操作效率

在尾部进行插入和删除操作效率较高,时间复杂度通常为 O(1);但在头部或中间插入和删除元素时,需要移动大量元素,时间复杂度为 O(n)。随机访问元素效率极高

插入、删除和查找操作(基于键)的时间复杂度通常为 O(log n),因为需要遍历树结构来找到对应的位置

适用场景

适用于对元素进行顺序存储,且需要频繁进行随机访问的场景,例如存储一系列的数据点,后续需要根据索引快速获取某个数据点的值

适用于需要根据键快速查找对应值的场景,例如在字典应用中,通过单词(键)快速查找其释义(值)

b.相同点

① 都是标准模板库(STL)容器:vector 和 map 都是 C++ 标准模板库中提供的容器,用于存储和管理数据,为程序员提供了方便的数据存储和操作方式。

② 都支持迭代器操作:都可以使用迭代器来遍历容器中的元素,方便对容器内的数据进行各种操作,如遍历、查找、修改等。

③ 都可以动态增长:vector 可以根据需要自动扩展其存储空间以容纳更多的元素;map 也可以动态地添加和删除键值对,适应数据的变化

希望这些内容对大家有所帮助!

感谢大家的三连支持!

http://www.jsqmd.com/news/162016/

相关文章:

  • 网络分析模型十一
  • YOLOv5s模型训练实战:在PyTorch-CUDA-v2.8镜像中完成全流程
  • GitHub星标项目:PyTorch-CUDA-v2.8自动化部署脚本开源分享
  • HuggingFace Accelerate库简化PyTorch多GPU训练
  • github action集成PyTorch-CUDA-v2.8进行CI/CD自动化测试
  • HuggingFace镜像网站推荐:结合PyTorch-CUDA-v2.8加速大模型推理
  • 【Linux命令大全】001.文件管理之paste命令(实操篇)
  • Java毕设选题推荐:基于Java的协同过滤算法音乐推荐系统基于协同过滤算法的音乐推荐系统【附源码、mysql、文档、调试+代码讲解+全bao等】
  • Web开发者实战AI Agent:基于Dify的多模态文生图与文生视频智能体项目
  • 告别繁琐依赖!PyTorch-CUDA-v2.8预装镜像让模型训练更高效
  • YOLOv11采用新型Head设计:PyTorch代码实现前瞻
  • 【实战】SAAS多租户详细设计
  • Java计算机毕设之基于协同过滤算法的音乐推荐系统springboot基于协同过滤算法的音乐推荐系统(完整前后端代码+说明文档+LW,调试定制等)
  • Ansible - Role介绍 和 使用playbook部署wordPress
  • 【教学类-89-02】20251229新年篇11—— 马年红包(Python图片)
  • PyTorch模型保存与加载最佳实践:避免常见陷阱
  • CUDA核心数查询命令:nvidia-smi结合PyTorch使用
  • PyTorch Autograd机制详解:反向传播原理与实现
  • python基于Android和java的酒店管理系统设计 小程序_54ybz
  • GitHub Wiki搭建PyTorch项目文档:知识沉淀好帮手
  • Java计算机毕设之基于web的中医诊所预约挂号系统设计与实现基于SpringBoot+vue的中医诊所预约挂号系统设计与实现(完整前后端代码+说明文档+LW,调试定制等)
  • Git LFS存储大模型权重:PyTorch项目版本控制新方式
  • PyTorch与TensorFlow对比:为何更多人转向PyTorch生态
  • PyTorch安装指定版本:如何选择合适的CUDA匹配
  • 萤石开放平台 Ehome协议设备接入 |海康设备Ehome协议接入指南
  • Anaconda配置PyTorch环境太麻烦?用这个CUDA镜像秒解决
  • python基于Android平台的古诗词学习挑战系统 小程序_b7obw
  • 单片机基础知识---程序跑飞
  • 2025-12-29
  • 【课程设计/毕业设计】基于协同过滤算法的个性化音乐推荐系统基于协同过滤算法的音乐推荐系统【附源码、数据库、万字文档】