【C++ STL】vector容器详解:从入门到精通

【C++ STL】vector容器详解:从入门到精通

摘要:本文深入讲解C++ STL中vector容器的使用方法,涵盖常用函数、代码示例及注意事项,助你快速掌握动态数组的核心操作!


一、vector概述

vector是C++标准模板库(STL)中序列容器的代表,本质上是一个动态数组。它能够根据需要自动调整大小,支持快速随机访问,在尾部插入/删除元素效率极高,是C++中最常用的容器之一。

核心特性

  • 动态扩容:内存空间自动增长(默认翻倍策略)
  • 连续存储:元素内存连续,支持指针偏移访问
  • 随机访问:O(1)时间复杂度访问任意元素
  • 尾部操作高效:push_back/pop_back的时间复杂度为O(1)

二、vector常用函数详解

1. 构造函数

vector<int> v1;             // 空vector
vector<int> v2(5, 100);     // 5个100
vector<int> v3(v2.begin(), v2.end());  // 迭代器构造
vector<int> v4(v3);         // 拷贝构造// C++11初始化列表
vector<int> v5 = {1,2,3,4,5};  

2. 元素访问

函数说明示例
[]随机访问(不检查越界)v[2] = 5;
at()带边界检查的访问v.at(3) = 10;
front()首元素int a = v.front();
back()尾元素int b = v.back();
data()返回指向数组的指针(C++11)int* p = v.data();

3. 容量操作

v.empty();      // 判断是否为空
v.size();       // 当前元素个数
v.capacity();   // 当前分配的存储容量
v.reserve(100); // 预分配至少100个元素的空间
v.resize(10);   // 调整元素个数为10(默认填充0)
v.shrink_to_fit(); // 请求移除未使用的容量(C++11)

4. 修改操作

尾部操作

v.push_back(10);     // 尾部插入元素
v.emplace_back(20);  // 更高效的尾部构造(C++11)
v.pop_back();        // 删除最后一个元素

插入删除

v.insert(v.begin()+2, 100);  // 在第三个位置插入100
v.emplace(v.begin(), 50);    // 构造插入(C++11)
v.erase(v.begin()+1);        // 删除第二个元素
v.erase(v.begin(), v.begin()+3); // 删除前三个元素
v.clear();                   // 清空所有元素

交换内容

vector<int> v6 = {6,7,8};
v.swap(v6);  // 交换两个vector的内容

三、vector遍历方式

1. 下标遍历

for(size_t i = 0; i < v.size(); ++i) {cout << v[i] << " ";
}

2. 迭代器遍历

for(auto it = v.begin(); it != v.end(); ++it) {cout << *it << " ";
}

3. 范围for循环(C++11)

for(int num : v) {cout << num << " ";
}

四、实战示例代码

#include <iostream>
#include <vector>
using namespace std;int main() {vector<int> vec;// 添加元素for(int i=0; i<5; ++i){vec.push_back(i*10);} // vec: 0 10 20 30 40// 中间插入vec.insert(vec.begin()+2, 25); // 0 10 25 20 30 40// 删除元素vec.pop_back();        // 移除40vec.erase(vec.begin()); // 移除0 → 10 25 20 30// 修改元素vec[1] = 250;          // 10 250 20 30// 容量操作cout << "Capacity: " << vec.capacity() << endl; // 8vec.shrink_to_fit();cout << "New capacity: " << vec.capacity() << endl; //4// 遍历输出for(int num : vec) {cout << num << " ";}return 0;
}

输出结果

Capacity: 8
New capacity: 4
10 250 20 30 

五、注意事项

  1. 迭代器失效

    • 插入元素可能导致所有迭代器失效(扩容时)
    • 删除元素会使被删元素之后的迭代器失效
  2. 性能优化

    • 使用reserve()预分配空间避免频繁扩容
    • 优先选择emplace_back()而非push_back()
  3. 特殊类型

    • vector<bool>是特化版本,每个元素占1bit,行为可能与其他类型不同
  4. 内存管理

    • clear()只清空元素,不释放内存
    • 结合shrink_to_fit()可真正释放多余内存(C++11)

六、总结

vector凭借其高效的随机访问和动态扩展特性,成为处理动态数组需求的首选容器。合理使用reserve预分配、选择正确的插入方法,可以显著提升程序性能。掌握vector的各种操作,将为你的C++编程打下坚实基础!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/diannao/68914.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

模型蒸馏(ChatGPT文档)

文章来源&#xff1a; https://chatgpt.cadn.net.cn/docs/guides_distillation 模型蒸馏 使用蒸馏技术改进较小的模型。 模型蒸馏允许您利用大型模型的输出来微调较小的模型&#xff0c;使其能够在特定任务上实现类似的性能。此过程可以显著降低成本和延迟&#xff0c;因为较小…

deepseek本地部署+结合思路

deepseek本地部署 配置&#xff1a; 建议配置 运行内存16GB 显卡&#xff1a;4060 操作系统&#xff1a;win11/win10 存储&#xff1a;512GB 一、安装Python 3.11环境&#xff08;参见&#xff09; 超详细的Python安装和环境搭建教程_python安装教程-CSDN博客 二、安装…

加载数据,并切分

# Step 3 . WebBaseLoader 配置为专门从 Lilian Weng 的博客文章中抓取和加载内容。它仅针对网页的相关部分&#xff08;例如帖子内容、标题和标头&#xff09;进行处理。 加载信息 from langchain_community.document_loaders import WebBaseLoader loader WebBaseLoader(w…

解锁豆瓣高清海报(二) 使用 OpenCV 拼接和压缩

解锁豆瓣高清海报(二): 使用 OpenCV 拼接和压缩 脚本地址: 项目地址: Gazer PixelWeaver.py pixel_squeezer_cv2.py 前瞻 继上一篇“解锁豆瓣高清海报(一) 深度爬虫与requests进阶之路”成功爬取豆瓣电影海报之后&#xff0c;本文将介绍如何使用 OpenCV 对这些海报进行智…

OSCP - Proving Grounds - Roquefort

主要知识点 githook 注入Linux path覆盖 具体步骤 依旧是nmap扫描开始&#xff0c;3000端口不是很熟悉&#xff0c;先看一下 Nmap scan report for 192.168.54.67 Host is up (0.00083s latency). Not shown: 65530 filtered tcp ports (no-response) PORT STATE SERV…

最新功能发布!AllData数据中台核心菜单汇总

🔥🔥 AllData大数据产品是可定义数据中台,以数据平台为底座,以数据中台为桥梁,以机器学习平台为中层框架,以大模型应用为上游产品,提供全链路数字化解决方案。 ✨奥零数据科技官网:http://www.aolingdata.com ✨AllData开源项目:https://github.com/alldatacenter/…

TensorFlow 简单的二分类神经网络的训练和应用流程

展示了一个简单的二分类神经网络的训练和应用流程。主要步骤包括&#xff1a; 1. 数据准备与预处理 2. 构建模型 3. 编译模型 4. 训练模型 5. 评估模型 6. 模型应用与部署 加载和应用已训练的模型 1. 数据准备与预处理 在本例中&#xff0c;数据准备是通过两个 Numpy 数…

无人机PX4飞控 | PX4源码添加自定义uORB消息并保存到日志

PX4源码添加自定义uORB消息并保存到日志 0 前言 PX4的内部通信机制主要依赖于uORB&#xff08;Micro Object Request Broker&#xff09;&#xff0c;这是一种跨进程的通信机制&#xff0c;一种轻量级的中间件&#xff0c;用于在PX4飞控系统的各个模块之间进行高效的数据交换…

XCCL、NCCL、HCCL通信库

XCCL提供的基本能力 XCCL提供的基本能力 不同的XCCL 针对不同的网络拓扑&#xff0c;实现的是不同的优化算法的&#xff08;不同CCL库最大的区别就是这&#xff09; 不同CCL库还会根据自己的硬件、系统&#xff0c;在底层上面对一些相对应的改动&#xff1b; 但是对上的API接口…

Docker快速部署高效照片管理系统LibrePhotos搭建私有云相册

文章目录 前言1.关于LibrePhotos2.本地部署LibrePhotos3.LibrePhotos简单使用4. 安装内网穿透5.配置LibrePhotos公网地址6. 配置固定公网地址 前言 想象一下这样的场景&#xff1a;你有一大堆珍贵的回忆照片&#xff0c;但又不想使用各种网盘来管理。怎么办&#xff1f;别担心…

【Java计算机毕业设计】基于Springboot的物业信息管理系统【源代码+数据库+LW文档+开题报告+答辩稿+部署教程+代码讲解】

源代码数据库LW文档&#xff08;1万字以上&#xff09;开题报告答辩稿 部署教程代码讲解代码时间修改教程 一、开发工具、运行环境、开发技术 开发工具 1、操作系统&#xff1a;Window操作系统 2、开发工具&#xff1a;IntelliJ IDEA或者Eclipse 3、数据库存储&#xff1a…

深入解析Python机器学习库Scikit-Learn的应用实例

深入解析Python机器学习库Scikit-Learn的应用实例 随着人工智能和数据科学领域的迅速发展&#xff0c;机器学习成为了当下最炙手可热的技术之一。而在机器学习领域&#xff0c;Python作为一种功能强大且易于上手的编程语言&#xff0c;拥有庞大的生态系统和丰富的机器学习库。其…

高斯光束介绍及光斑处理

常规激光器的光斑为高斯光斑&#xff0c;即中心能量集中&#xff0c;边缘能量较低。一般定义光强的处为高斯光束的半径。高斯光斑的传输由光斑半径、远场发散角、波长等决定。 其中为位置z处的光斑半径&#xff0c;w(z), k2pi/λ为波矢&#xff0c;λ为光波长&#xff0c;R为高…

C++哈希(链地址法)(二)详解

文章目录 1.开放地址法1.1key不能取模的问题1.1.1将字符串转为整型1.1.2将日期类转为整型 2.哈希函数2.1乘法散列法&#xff08;了解&#xff09;2.2全域散列法&#xff08;了解&#xff09; 3.处理哈希冲突3.1线性探测&#xff08;挨着找&#xff09;3.2二次探测&#xff08;跳…

【Redis】List 类型的介绍和常用命令

1. 介绍 Redis 中的 list 相当于顺序表&#xff0c;并且内部更接近于“双端队列”&#xff0c;所以也支持头插和尾插的操作&#xff0c;可以当做队列或者栈来使用&#xff0c;同时也存在下标的概念&#xff0c;不过和 Java 中的下标不同&#xff0c;Redis 支持负数下标&#x…

携程Java开发面试题及参考答案 (200道-上)

说说四层模型、七层模型。 七层模型(OSI 参考模型) 七层模型,即 OSI(Open System Interconnection)参考模型,是一种概念模型,用于描述网络通信的架构。它将计算机网络从下到上分为七层,各层的功能和作用如下: 物理层:物理层是计算机网络的最底层,主要负责传输比特流…

IM 即时通讯系统-51-MPush开源实时消息推送系统

IM 开源系列 IM 即时通讯系统-41-开源 野火IM 专注于即时通讯实时音视频技术&#xff0c;提供优质可控的IMRTC能力 IM 即时通讯系统-42-基于netty实现的IM服务端,提供客户端jar包,可集成自己的登录系统 IM 即时通讯系统-43-简单的仿QQ聊天安卓APP IM 即时通讯系统-44-仿QQ即…

AlexNet论文代码阅读

论文标题&#xff1a; ImageNet Classification with Deep Convolutional Neural Networks 论文链接&#xff1a; https://volctracer.com/w/BX18q92F 代码链接&#xff1a; https://github.com/dansuh17/alexnet-pytorch 内容概述 训练了一个大型的深度卷积神经网络&#xf…

扩散模型(三)

相关阅读&#xff1a; 扩散模型&#xff08;一&#xff09; 扩散模型&#xff08;二&#xff09; Latent Variable Space 潜在扩散模型&#xff08;LDM&#xff1b;龙巴赫、布拉特曼等人&#xff0c;2022 年&#xff09;在潜在空间而非像素空间中运行扩散过程&#xff0c;这…

git基础使用--4---git分支和使用

文章目录 git基础使用--4---git分支和使用1. 按顺序看2. 什么是分支3. 分支的基本操作4. 分支的基本操作4.1 查看分支4.2 创建分支4.3 切换分支4.4 合并冲突 git基础使用–4—git分支和使用 1. 按顺序看 -git基础使用–1–版本控制的基本概念 -git基础使用–2–gti的基本概念…