文章目录

• 3. 数组
• • 3.1 数组的概述
  • 3.2 一维数组的使用
  • • 3.2.1 一维数组初始化
    • 3.2.2 一维数组内存解析
  • 3.3 多维数组的使用
  • • 3.3.1 多维数组初始化
    • 3.3.2 多维数组的注意事项：
    • 3.3.3 int[] x,y[]
    • 3.3.4 多维数组的内存解析
  • 3.4 数组中涉及到的常见算法
  • • 3.4.1 线性查找
    • 3.4.2 二分法查找算法
    • 3.4.3 排序算法
    • • 3.4.3.1 十大内部排序算法
      • 3.4.2 算法特点概述
    • 3.4.4 快速排序
    • • 快排思想
      • 快排的时间复杂度
      • • 1.最好时间复杂度：
        • 2.最坏时间复杂度
        • 3.平均时间复杂度
      • 快排的Java实现：
  • 5. Arrays工具类得使用

3. 数组

3.1 数组的概述

数组(Array)，多个相同类型数据按一定顺序排列的集合，通过下标对数组元素进行管理

• 数组本身是引用数据类型，而数组中的元素可以是基本数据类型或引用数据类型

• 创建数组对象会在堆中开辟一整块连续的空间，并将这块内存空间的首地址返还给数组名。

• 数组分类：

  按照维度分类：一维数组，二维数组，…

  按照数据类型分类：基本数据类型元素的数组、引用数据类型元素的数组…

3.2 一维数组的使用

3.2.1 一维数组初始化

数组声明方式：数据类型 数组名[];或 数据类型[] 数组名;

• Java语言中声明数组时不能指定其长度(数组中元素的数)， 例如： int a[5]; //非法,C++中允许（C++中声明的同时就在堆区开辟空间了，但Java声明只是在栈区开辟空间）

数组初始化方式：

1. 动态初始化：数组初始化和数组元素赋值分开进行

   int[] arr = new int[3];
   arr[0] = 3;
   arr[1] = 9;
   arr[2] = 8;
   

2. 静态初始化：数组初始化和数组元素赋值同时进行

   中括号不能写，等号右边可以直接写大括号的内容

   int arr1[] = new int[]{ 3, 9, 8};
   int[] arr2 = {3,9,8};
   

静态初始化中括号内不能写数值

//数组变量声明不需要说明数组长度（因为只是在栈区开辟空间）如
int array[];
//但创建数组变量就需要指明数组长度以便在堆区开辟内存空间
int array1[] = new int[10];//指明10个int类型空间
int array2[] = {1,2,3,4};//也指明要开辟4个int内存空间

数组元素的引用方式：

• 数组元素下标可以是整型常量或整型表达式。如a[3] , b[i] , c[6*i];

• 每个数组都有一个属性length指明它的长度，用法

  int array[]={1,2,3};
  System.out.println(array.length);//输出长度
  

数组一旦创建，数组中元素就会被初始化，按数据元素类型不同有不同的初始化方式

1. 对于基本数据类型而言，默认初始化值各有不同（看下表）
2. 对于引用数据类型而言，默认初始化值为null(注意与0不同！)

下面时数组元素的默认初始化值：

值得一提的是char的初始值对应的ASCll码值是0，也就是null，但在输出的时候会输出个空格，而空格的ASCll码值是32。引用数据类型如String，该数组输出就是null。

3.2.2 一维数组内存解析

常用内存种类和作用

数组静态声明，动态声明，基本数据类型数组，引用数据类型数组，new开辟空间的内存解析。

• arr在栈区，存的是数组在堆区开辟的空间的首地址。而new出的数组空间存在堆区，并将首地址值赋给arr，在这里堆区的4个int的初始值是0；

  

• String类型的数组元素初值是null。值得注意的是，并不是将“刘德华”直接赋值，“刘德华”放在字符常量池

3.3 多维数组的使用

多维数组就是数据元素为低维数组，二维数组的数组元素是一维数组，可以理解为一棵树的结构。

二维数组，可以看成是一维数组array1又作为另一个一维数组array2的元素而存在。其实，从数组底层的运行机制来看，其实没有多维数组，都是通过地址来实现高维数组。

3.3.1 多维数组初始化

这里以二维数组为例

3.3.2 多维数组的注意事项：

• 动态初始化的两种方式区别就在于第二层数组是否有分配空间，并且对于两种动态初始化后数组元素有不同的初值。

  第一种动态初始化第一层数组元素对应的是第二层数组的首地址

  第二种动态初始化第一层元素值为null，不可解引用，具体如下：

  //静态初始化
  int[][] arr=new int[][] {{1,2,3},{4,5}};
  //动态初始化第一种
  int[][] arr2=new int[2][2];
  System.out.println(arr2[0][0]);//输出0
  System.out.println(arr2[0]);//[I@626b2d4a输出的是数组元素的首地址//动态初始化第二种
  //不同于C++，C++不允许这样的写法，C++必须写明实际所需的空间的大小！
  int[][] arr1=new int[2][];
  System.out.println(arr1[0]);//输出null
  System.out.println(arr1[0][0]);//错误，null无法解引用
  //在堆区实际没给第二层数组分配空间，第一层数组初始值为null
  //java.lang.NullPointerException：Cannot load from int array because "arr1[0]" is null空指针
  

• 二维数组其他写法

  //括号位置摆放自由
  int[][] arr4=new int[][] {{1,2,3},{4,5}};//正确
  int arr5[][]=new int[][] {{1,2,3},{4,5}};//正确
  int[] arr6[]=new int[][] {{1,2,3},{4,5}};//正确//类型自动推断，将赋值的内容按照前面个数组声明的类型转换，转不了就报错，如下：
  int[] arr8= {1,2,3};//正确
  int[] arr7[]={{1,2,3},{4,5}};//正确
  int[] arr8[]={{1.2,2,3},{4,5}};//错误，Type mismatch: cannot convert from double to int//赋值类型要要匹配，不匹配滿足類型提升也行
  double[] arr9 = new double[] {1,2};//正确满足类型提升
  int[] arr10[]={{1.2,2,3},{4,5}};//错误，Type mismatch: cannot convert from double to int//如果写new，那么数组声明类型和new的类型一定要一致！
  double[] arr11 = new int[2];// 错误，声明是double类型数组，但堆区开辟空间开的是int类型，显然不合理。可以是开辟double的空间，将int赋值进去，这时合理的，如下
  double[] arr12 = {1,2};//正确
  doubele[] arr13 = new double[]{1,2};//正确//int[] arr8;
  //arr8= {1,2,3}; //分开写错误
  

• 二维数组动态初始化第二种int[][] arr = new int[3][];,由于数组元素是数组，所以对注意数组元素的赋值方式。此外二维数组第一种动态初始化是内层数组长度一样，二维数组第二种动态初始化是内层数组不一样。

• 对于一维数组，length就是表示长度。但对于二维数组如：**int[][] arr = new int[][]{{3,8,2},{2,7},{9,0,1,6}};**length就和堆区开辟的空间关系有关系了，arr.length表示arr直接对应的数组的长度（该数组元素为数组），也就是三。如果想查看第二层数组的长度可以arr[0].lenght等等。

3.3.3 int[] x,y[]

x是int型的一维数组，y是int型的二维数组！int[]是一个整体，x是一个整体，y[]是一个整体。

• x=y 是否合法？

  不合法！虽然都是地址的值但是地址类型有区别

  

  注意数组名之际存的是地址值，在做数组复制的时候不要想当然的直接对数组名进行赋值，而是循环遍历赋值。

3.3.4 多维数组的内存解析

3.4 数组中涉及到的常见算法

3.4.1 线性查找

就遍历，略

3.4.2 二分法查找算法

思路总结：对于有序的数组，定义头和尾两个标识，通过比对数组中间的元素和目标元素，每次缩小一半的搜索范围，达到快速检索的目的。实现内部使用三个if语句分类判断。

• 前提，二分法查找数组元素的前提是一个有序数组！

//二分法查找：要求此数组必须是有序的。
int[] arr3 = new int[]{-99,-54,-2,0,2,33,43,256,999};
boolean isFlag = true;
int number = 256;
//int number = 25;
int head = 0;//首索引位置
int end = arr3.length - 1;//尾索引位置
while(head <= end)
{int middle = (head + end) / 2;if(arr3[middle] == number){System.out.println("找到指定的元素，索引为：" + middle);isFlag = false;break; }else if(arr3[middle] > number){end = middle - 1;}	else{//arr3[middle] < numberhead = middle + 1;} 	
}
if(isFlag)
{System.out.println("未找打指定的元素");
}

3.4.3 排序算法

通常来说，排序的目的是快速查找。

衡量排序算法的优劣：

1. 时间复杂度：分析关键字的比较次数和记录的移动次数

2. 空间复杂度：分析排序算法中需要多少辅助内存

3. 稳定性：若两个记录A和B的关键字值相等，但排序后A、B的先后次序保

持不变，则称这种排序算法是稳定的。

• 根据是否需要外部存储器，排序算法又分为内部排序和外部排序

排序算法分类：内部排序和外部排序。

1. 内部排序：整个排序过程不需要借助于外部存储器（如磁盘等），所有排序操作都在内存中完成。

2. 外部排序：参与排序的数据非常多，数据量非常大，计算机无法把整个排序过程放在内存中完成，必须借助于外部存储器（如磁盘）。外部排序最常见的是多路归并排序。可以认为外部排序是由多次内部排序组成。

3.4.3.1 十大内部排序算法

1. 选择排序
2. 堆排序
3. 冒泡排序
4. 快速排序
5. 直接插入排序
6. 折半插入排序
7. Shell排序
8. 归并排序
9. 桶式排序
10. 基数排序

此外计数排序：

3.4.2 算法特点概述

3.4.4 快速排序

快排思想

1. 从数列中挑出一个元素，称为"基准"（pivot），

2. 重新排序数列，所有元素比基准值小的摆放在基准前面，所有元素比基准值大的摆在基准的后面（相同的数可以到任一边）。在这个分区结束之后，该基准就就将原来的数组分为了两个部分，注意：基准不一定再正中间！这个称为分区（partition）操作。

3. 递归地（recursive）把小于基准值元素的子数列和大于基准值元素的子数列排序。

4. 递归的最底部情形，是数列的大小是零或一，也就是永远都已经被排序好了。虽然一直递归下去，但是这个算法总会结束，因为在每次的迭代（iteration）中，都会确定一个元素的位置。

快排的时间复杂度

对于长度为n的数组，快排循环一次，确定一个元素的位置。并将数组分为长度分别为I1和I2的子数组。

T(n)表示长度为n的数组快排所需的时间复杂度，D(n)=n-1是一趟快排需要的比较次数，一趟快排结束后将数组分成两部分 I1 和 I2。由递归出以下三种时间复杂度：

1.最好时间复杂度：

• 就是快排每次划分将数组划分成两个等长子数组I1=I2

设 n 为待排序数组中的元素个数， T(n) 为算法需要的时间复杂度，递归得：
T(n)={D(1),n≤1D(n)+T(I1)+T(I2),n>1T(n)= \begin{cases} D(1),&n\leq1\\ D(n)+T(I1)+T(I2),&n>1 \end{cases} T(n)={D(1),D(n)+T(I1)+T(I2),​n≤1n>1​
所以
T(n)=D(n)+T(I1)+T(I2)=D(n)+D(n2)+D(n2)+....=n−1+2(n2−1)+22(n22−1)+...+2k(n2k−1)=n−1+n−2+n−22+...n−2k∵n=2k∴k=log2n∴T(n)=log2n−2n+1\begin{aligned} T(n)&=D(n)+T(I1)+T(I2)\\ &=D(n)+D(\frac{n}{2})+D(\frac{n}{2})+....\\ &=n-1+2(\frac{n}{2}-1)+2^2(\frac{n}{2^2}-1)+...+2^k(\frac{n}{2^k}-1)\\ &=n-1+n-2+n-2^2+...n-2^k\\ &\because n=2^k\\ &\therefore k=log_2^n\\ &\therefore T(n)=log_2^n-2n+1 \end{aligned} T(n)​=D(n)+T(I1)+T(I2)=D(n)+D(2n​)+D(2n​)+....=n−1+2(2n​−1)+22(22n​−1)+...+2k(2kn​−1)=n−1+n−2+n−22+...n−2k∵n=2k∴k=log2n​∴T(n)=log2n​−2n+1​

• 第二种理解：循环一次将数组分为两个子数组，快排结束的条件是所有子数组的元素个数为1。所以确定数组n个元素的位置，每次循环子数组个数为1，2，2²…2^k=n，每次循环的时间复杂度乘以子数组隔宿即可，也就是
  T(n)=1(n−1)+2(n2−1)+22(n22−1)+...+2k(n2k−1)=n−1+n−2+n−22+...n−2k∵n=2k∴k=log2n∴T(n)=log2n−2n+1\begin{aligned} T(n)&=1(n-1)+2(\frac{n}{2}-1)+2^2(\frac{n}{2^2}-1)+...+2^k(\frac{n}{2^k}-1)\\ &=n-1+n-2+n-2^2+...n-2^k\\ &\because n=2^k\\ &\therefore k=log_2^n\\ &\therefore T(n)=log_2^n-2n+1 \end{aligned} T(n)​=1(n−1)+2(2n​−1)+22(22n​−1)+...+2k(2kn​−1)=n−1+n−2+n−22+...n−2k∵n=2k∴k=log2n​∴T(n)=log2n​−2n+1​

2.最坏时间复杂度

• 就是快排每次划分将数组划分成的两个子数组长度为I1=0，I2=n-1

  设 n 为待排序数组中的元素个数， T(n) 为算法需要的时间复杂度，递归得：
  T(n)={D(1),n≤1D(n)+T(0)+T(n−1),n>1T(n)= \begin{cases} D(1),&n\leq1\\ D(n)+T(0)+T(n-1),&n>1 \end{cases} T(n)={D(1),D(n)+T(0)+T(n−1),​n≤1n>1​
  所以
  T(n)=D(n)+T(n−1)=D(n)+D(n−1)+T(n−2)=(n−1)+(n−2)+(n−3)+....+(n−(n−1))=(n−1)+(n−2)+...+0=n(n−1)2=O(n2)\begin{aligned} T(n)&=D(n)+T(n-1)\\ &=D(n)+D(n-1)+T(n-2)\\ &=(n-1)+(n-2)+(n-3)+....+(n-(n-1))\\ &=(n-1)+(n-2)+...+0\\ &=\frac{n(n-1)}{2}\\ &=O(n^2) \end{aligned} T(n)​=D(n)+T(n−1)=D(n)+D(n−1)+T(n−2)=(n−1)+(n−2)+(n−3)+....+(n−(n−1))=(n−1)+(n−2)+...+0=2n(n−1)​=O(n2)​

• 第二中理解：最坏时间复杂度其实就是已经排好了的数组，再次快排，子数组长度为(n-1)，(n-2)，…，0，时间复杂度就是本身遍历的长度，相加即为快排时间复杂度：
  T(n)=(n−1)+(n−2)+(n−3)+....+(n−(n−1))=(n−1)+(n−2)+...+0=n(n−1)2=O(n2)\begin{aligned} T(n)&=(n-1)+(n-2)+(n-3)+....+(n-(n-1))\\ &=(n-1)+(n-2)+...+0\\ &=\frac{n(n-1)}{2}\\ &=O(n^2) \end{aligned} T(n)​=(n−1)+(n−2)+(n−3)+....+(n−(n−1))=(n−1)+(n−2)+...+0=2n(n−1)​=O(n2)​

3.平均时间复杂度

• 就是每次划分将数组划分成的两个子数组的长度不确定，都是等可能，求时间复杂度就是算个平均值如下：

  {I1=0，I2=n−1I1=1，I2=n−2....I1=n−1，I2=0\begin{cases} &I1=0，I2=n-1\\ &I1=1，I2=n-2\\ &....\\ &I1=n-1，I2=0\\ \end{cases} ⎩⎨⎧​​I1=0，I2=n−1I1=1，I2=n−2....I1=n−1，I2=0​

  所以求解如下，思路就是求平均：
  T(n)=D(n)+1n∑i=0n−1[T(i)+T(n−1−i)]=D(n)+2n∑i=0n−1T(i)...(1)式∴T(n−1)=D(n−1)+2n∑i=0n−2T(i)...(2)式∴n∗(1)−(n−1)∗(2)得:nT(n)−(n−1)T(n−1)=nD(n)+2∑i=0n−1T(i)−(n−1)D(n−1)−2∑i=0n−2T(i)整理得:T(n)n+1=T(n−1)n+2(n−1)n(n−1)令Bn=T(n)n+1，得\begin{aligned} T(n)&=D(n)+\frac{1}{n}\sum_{i=0}^{n-1}{[T(i)+T(n-1-i)]}\\ &=D(n)+\frac{2}{n}\sum_{i=0}^{n-1}{T(i)}...(1)式\\ &\therefore T(n-1)=D(n-1)+\frac{2}{n}\sum_{i=0}^{n-2}{T(i)}...(2)式\\ &\therefore n*(1)-(n-1)*(2)得:\\ &nT(n)-(n-1)T(n-1)=nD(n)+2\sum_{i=0}^{n-1}{T(i)}-(n-1)D(n-1)-2\sum_{i=0}^{n-2}{T(i)}\\ &整理得:\frac{T(n)}{n+1}=\frac{T(n-1)}{n}+\frac{2(n-1)}{n(n-1)}\\ &令B_n=\frac{T(n)}{n+1}，得\\ \end{aligned} T(n)​=D(n)+n1​i=0∑n−1​[T(i)+T(n−1−i)]=D(n)+n2​i=0∑n−1​T(i)...(1)式∴T(n−1)=D(n−1)+n2​i=0∑n−2​T(i)...(2)式∴n∗(1)−(n−1)∗(2)得:nT(n)−(n−1)T(n−1)=nD(n)+2i=0∑n−1​T(i)−(n−1)D(n−1)−2i=0∑n−2​T(i)整理得:n+1T(n)​=nT(n−1)​+n(n−1)2(n−1)​令Bn​=n+1T(n)​，得​
  

  然后求B(n)反代求出T(n)，求解过程很复杂不在此描述，最终时间复杂度为
  O(nlog2n)O(nlog~2^n) O(nlog 2n)

综上:快速排序最好时间复杂度为 O(nlog₂ⁿ) ,最坏时间复杂度为 O(n²) ,平均时间复杂度为 O(nlog₂ⁿ)

快速排序的一些改进方案：

1. 将快速排序的递归执行改为非递归执行

2. 当问题规模 n 较小时 (n≤16) ,采用直接插入排序求解

3. 每次选取 prior 前将数组打乱

4. 每次选取
   E[first]+E[Last]2\frac{E[first]+E[Last]}{2} 2E[first]+E[Last]​
   或
   E[first]+E[last]+E[(first+last)/2]3\frac{E[first]+E[last]+E[(first+last)/2]}{3} 3E[first]+E[last]+E[(first+last)/2]​
   作为 prior

快排的Java实现：

/*** 快速排序* 通过一趟排序将待排序记录分割成独立的两部分，其中一部分记录的关键字均比另一部分关键字小，* 则分别对这两部分继续进行排序，直到整个序列有序。* @author Answer* 2022.8.11*/
public class QuickSort 
{	//交换数据函数包装private static void swap(int[] data, int i, int j) {int temp = data[i];data[i] = data[j];data[j] = temp;}//函数主体private static void subSort(int[] data, int start, int end) {if (start < end) {int base = data[start]; int low = start;int high = end + 1;while (true) {while (low < end && data[++low] - base <= 0);//low < end，是用于迭代时防止超出范围的限制while (high > start && data[--high] - base >= 0);if (low < high) {swap(data, low, high);} else {break;}}swap(data, start, high);subSort(data, start, high - 1);//递归调用subSort(data, high + 1, end);}}public static void quickSort(int[] data){subSort(data,0,data.length-1);}public static void main(String[] args) {int[] data = { 9, -16, 30, 23, -30, -49, 25, 21, 30 };System.out.println("排序之前：\n" + java.util.Arrays.toString(data));quickSort(data);System.out.println("排序之后：\n" + java.util.Arrays.toString(data));}
}

• 快排分内外层两循环，其中两个内层循环做的是将将当前小于pivot的元素分到一边（结束时是以大于pivot的元素head结束），将当前大于pivot的元素分到另一边（结束时是以小于pivot的元素tail结束），

  然后交换head和tail，再次进入外层循环。通过两层循环将大于和小于pivot的元素进行分组，再对子数据进行iteration。

• high=end+1;这个设定很微妙！大大简化代码量！函数体中要排序的下标范围是1~array.length-1，但设置的头是0，尾部是array.length。这样的设定决定函数在对pivot进行比对的时候，需要先自增自减再比对，当然也可以设定头是1，尾部是array.length-1。这样就需要先比较，再根据判断结果决定是否需要对下标进行移动，因此再内层循环中需添加if语句，代码冗杂。不如第一种精巧的设定

• 迭代注意：再函数题内部用于迭代函数的参数一般不写具体数值，否则无论迭代多少次，参数均不变，与迭代的目的向背。而应该写的是函数内部定义的变量，这样函数执行一次参数都发生变化，才符合我们的预期。

5. Arrays工具类得使用

java.util.Arrays类即为操作数组的工具类，包含了用来操作数组（比如排序和搜索）的各种方法，可以直接调用Arrays类中的方法对数组进行操作