C++之动态数组vector

C++之动态数组vector

Vector

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。

Read more

【大数据存储与管理】分布式文件系统HDFS:05 HDFS存储原理

【大数据存储与管理】分布式文件系统HDFS:05 HDFS存储原理

【作者主页】Francek Chen 【专栏介绍】 ⌈ ⌈ ⌈大数据技术原理与应用 ⌋ ⌋ ⌋专栏系统介绍大数据的相关知识,分为大数据基础篇、大数据存储与管理篇、大数据处理与分析篇、大数据应用篇。内容包含大数据概述、大数据处理架构Hadoop、分布式文件系统HDFS、分布式数据库HBase、NoSQL数据库、云数据库、MapReduce、Hadoop再探讨、数据仓库Hive、Spark、流计算、Flink、图计算、数据可视化,以及大数据在互联网领域、生物医学领域的应用和大数据的其他应用。 【GitCode】专栏资源保存在我的GitCode仓库:https://gitcode.com/Morse_Chen/BigData_principle_application。 文章目录 * 一、数据的冗余存储 * 二、数据存取策略 * (一)数据存放 * (二)数据读取 * (三)数据复制 * 三、数据错误与恢复 * (一)

By Ne0inhk
Flutter 三方库 image_compare_2 的鸿蒙化适配指南 - 实现像素级的图像分块对比、支持感知哈希(pHash)与端侧视觉差异检测实战

Flutter 三方库 image_compare_2 的鸿蒙化适配指南 - 实现像素级的图像分块对比、支持感知哈希(pHash)与端侧视觉差异检测实战

欢迎加入开源鸿蒙跨平台社区:https://openharmonycrossplatform.ZEEKLOG.net Flutter 三方库 image_compare_2 的鸿蒙化适配指南 - 实现像素级的图像分块对比、支持感知哈希(pHash)与端侧视觉差异检测实战 前言 在进行 Flutter for OpenHarmony 的图像处理、自动化 UI 测试或内容防侵权应用开发时,如何科学地判断两张图片是否“相似”?简单的字节对比显然无法处理微小的色差或尺寸缩放。image_compare_2 是一个功能完备的图像对比算法库。它支持从均值哈希(aHash)到分块均方差(MSE)等多种度量算法。本文将指导大家如何在鸿蒙真机上利用该库构建精准的视觉检测链路。 一、原原理性解析 / 概念介绍 1.1 基础原理 image_compare_2 通过将原始图片灰度化、缩小尺寸并进行频域变换(或像素聚合)

By Ne0inhk

YOLOv9摄像头实时检测,python detect_dual.py命令详解

YOLOv9摄像头实时检测,python detect_dual.py命令详解 在当前智能视觉应用快速发展的背景下,YOLOv9凭借其卓越的精度与推理效率,成为目标检测领域的新标杆。本镜像基于官方代码库构建,预装完整深度学习环境,支持开箱即用的训练、推理与评估流程。本文将重点解析如何使用python detect_dual.py实现摄像头实时检测,并深入剖析该命令的核心参数配置、运行逻辑及工程实践要点。 1. 环境准备与基础调用 1.1 镜像环境初始化 本镜像已集成以下关键组件: * PyTorch 1.10.0 + CUDA 12.1:保障高性能GPU推理 * OpenCV-Python:用于视频流采集与图像处理 * YOLOv9官方代码库:位于 /root/yolov9 * 预置权重文件 yolov9-s.pt:无需额外下载即可启动推理 启动容器后,首先激活专用conda环境: conda activate yolov9 cd /root/yolov9

By Ne0inhk