博客
关于我
Map(关联式容器)
阅读量:800 次
发布时间:2023-02-07

本文共 1840 字,大约阅读时间需要 6 分钟。

C++ Map容器的常用功能解析

Map是一种关联式容器,能够自动建立Key-Value对应关系,其中Key和Value可以是任意类型。以下将详细介绍Map中的常用功能。

一、Map的开始与结束操作

Map的begin()和end()方法用于遍历Map中的元素。begin()返回第一个元素的Key,end()返回最后一个元素的后继位置。

map
m;m['a'] = 100;m['b'] = 200;m['c'] = 300;m.begin() -> first; // 输出第一个元素的键值m.begin() -> second; // 输出第一个元素的值m.end() -> first; // 输出最后一个元素的下一个键值m.end() -> second; // 输出最后一个元素的下一个值

二、逆向遍历操作

Map支持逆向遍历操作,使用rbegin()和rend()方法。

map
m;m['a'] = 100;m['b'] = 200;m['c'] = 300;map
::reverse_iterator iter = m.rbegin();iter -> first; // 输出最后一个元素的键值iter -> second; // 输出最后一个元素的值iter = m.rend();iter -> first; // 输出第一个元素前面的键值

三、Map为空判断

empty()方法用于判断Map是否为空。

map
m;bool isEmpty = m.empty(); // 返回true表示Map为空

四、Map的大小

size()方法返回Map中元素的数量。

map
m;m['a'] = 100;m['b'] = 200;m['c'] = 300;int size = m.size(); // 返回Map中元素个数

五、Map的at方法

at方法用于通过Key获取对应的Value,不会报错,即使Key不存在。

map
m;m['a'] = 100;m['b'] = 200;m['c'] = 300;int value = m.at('a'); // 获取键'a'对应的值

六、Map的find方法

find方法用于查找特定Key的位置,返回对应的iterator。

map
m;m['a'] = 100;m['b'] = 200;m['c'] = 300;auto iter = m.find('b'); // 查找键'b'iter -> second; // 输出键'b'对应的值

七、Map的插入操作

insert方法用于插入元素,可选位置包括begin、end、用户指定位置。

map
m;m['a'] = 100;m['b'] = 200;m['c'] = 300;m.insert(m.begin(), pair
('a', 50)); // 在前面插入新元素map
m1 = m;m1.insert(m.begin(), m.end()); // 将m中的所有元素复制给m1auto it = m.find('c');m1.insert(m.begin(), it); // 从begin到find('c')复制元素

八、Map的删除操作

erase方法用于删除特定Key的元素,可选删除多个元素。

map
m;m['a'] = 100;m['b'] = 200;m['c'] = 300;m.erase('a'); // 删除键'a'对应的元素auto it = m.find('a');m.erase(it); // 删除键'a'对应的元素m.erase(it, ++m.find('b')); // 删除键'a'和'b'对应的元素

九、Map的count方法

count方法用于统计特定Key出现的次数。

map
m;m['a'] = 100;m['b'] = 200;m['c'] = 300;int count = m.count('b'); // 统计键'b'出现的次数

以上是Map容器的常用功能解析,希望对C++开发者有所帮助。

转载地址:http://dwyfk.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 如何使用YOLO-World做目标检测
查看>>
OpenCV与AI深度学习 | 如何使用YOLOv9分割图像中的对象
查看>>
OpenCV与AI深度学习 | 如何使用YOLOv9检测图片和视频中的目标
查看>>
OpenCV与AI深度学习 | 如何在 Docker 容器中使用 GPU
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV中更稳更快的找圆方法--EdgeDrawing使用演示(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV传统方法实现密集圆形分割与计数(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV实现扫描文本矫正应用与实现详解(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用OpenCV和Streamlit搭建虚拟化妆应用程序(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用OpenCV确定对象的方向(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
查看>>
OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
查看>>
OpenCV与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序
查看>>
OpenCV与AI深度学习 | 实战 | 基于OpenCV和K-Means聚类实现颜色分割(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9+SAM实现动态目标检测和分割(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
查看>>
OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战|OpenCV实时弯道检测(详细步骤+源码)
查看>>