映射与无序映射的时间复杂度分析 我以前认为，无序的映射比C++中的映射复杂得多。但今天当我在做一个问题（莫莉的化学制品）时，我超过了时间限制。经过大量的猜测工作（因为我认为我的解决方案是正确的），我尝试使用一个地图而不是一个无序的_地图，令人惊讶的是，我接受了它。在某些情况下，由于大量碰撞，无序的_地图可能有一个大的常数乘数，这将增加其实际复杂性，使其大于地图（欢迎更正）

我搜索了很多地图和无序地图的不同功能的时间复杂度，但没有找到合适的内容，因为我想知道什么时候应该使用地图或无序地图。有人能解释一下地图和无序地图在时间复杂度方面的区别吗。

无序地图 < C++ > < < /p> > < <代码>无序的映射> <代码> > 在最坏的情况下，

unordered_-map

中每个操作符的时间复杂度是

O（n）

。如果所有元素都位于同一位置，则会发生这种情况

通过跟踪编译器的代码可以构造一个特殊的测试数据，就像Codeforces展示了如何在gcc上构造这样的测试数据一样

地图 <> > ISO/C++中的<代码>图>代码>，

map

的时间复杂度保证为

O（logn）

unordered\u-map < C++ > < < /p> > < <代码>无序的映射> <代码> > 在最坏的情况下，

unordered_-map

中每个操作符的时间复杂度是

O（n）

。如果所有元素都位于同一位置，则会发生这种情况

通过跟踪编译器的代码可以构造一个特殊的测试数据，就像Codeforces展示了如何在gcc上构造这样的测试数据一样

地图 <> > ISO/C++中的<代码>图>代码>，

---

map

的时间复杂度保证为

O（logn）

map后面的数据结构是rb树，而无序的_-map使用哈希表作为其数据结构。所以我们可以通过分析rb树和哈希表来分析这两个容器

在映射中查找/插入元素：O（日志n）

---

在无序映射中查找/插入元素：O（1）

映射后面的数据结构是rb树，而无序映射使用哈希表作为其数据结构。所以我们可以通过分析rb树和哈希表来分析这两个容器

在映射中查找/插入元素：O（日志n）

---

在无序映射中查找/插入元素：O（1）

有序映射

以排序方式保留键（顾名思义）。这些工具的时间复杂度取决于它们的使用位置（插入的频率、查找的频率等）。这是否回答了您的问题？谢谢你建议我“鬼”。但我想知道使用地图和未重新绘制地图在时间复杂度方面的区别。简单地说，请告诉我在地图中插入、搜索、查找的时间复杂性，我确实遇到了同样的问题，因为同一个存储桶中的元素太多。

有序地图

以排序方式保留键（顾名思义）。这些工具的时间复杂度取决于它们的使用位置（插入的频率、查找的频率等）。这是否回答了您的问题？谢谢你建议我“鬼”。但我想知道使用地图和未重新绘制地图在时间复杂度方面的区别。简单地说，请告诉我在地图中插入、搜索、查找的时间复杂性。由于同一个桶中的元素太多，我确实遇到了同一个问题。

+------------------+-----------------------------------------------------+
|    Expression    |                     Complexity                      |
+------------------+-----------------------------------------------------+
| a_­uniq.insert(t) | Average case O(1), worst case O(a_uniq.size()).     |
| a.erase(k)       | Average case O(a.count(k)), worst case O(a.size()). |
| b.find(k)        | Average case O(1), worst case O(b.size()).          |
+------------------+-----------------------------------------------------+

+------------------+--------------------------+
|     Expression   |        Complexity        |
+------------------+--------------------------+
| a_­uniq.​insert(​t) | logarithmic              |
| a.erase(k)       | log(a.size())+a.count(k) |
| b.find(k)        | logarithmic              |
+------------------+--------------------------+