新闻详情

新闻详情

首页 / 资讯中心 / 详情

C 语言 数组删除指定元素(快慢指针法)

发布时间:2026/11/23 6:57:31来源:尧图网络
C 语言 数组删除指定元素(快慢指针法)
适用场景在原数组上原地删除所有等于目标值的元素不额外开辟新数组时间复杂度 O (n)空间复杂度 O (1)。核心原理快慢双指针快指针 i负责从头到尾遍历数组的每一个元素逐个检查。for循环每次i一定会向后移动。慢指针 j用来标记存放保留元素的位置。只有当遍历到的元素不需要删除时j才向后移动。数组 [10] [20] [40] [30] [50] i →i →i →i →i →i j →j →j →j j →j目标删除数组中所有值等于30的元素。右侧最终保留的有效数据 10 20 40 50逐步骤推演原始数组buf {10, 20, 40, 30, 50}初始状态i0j0i0buf[i]10不等于 30。执行buf[j] buf[i]buf[0]10j1i1buf[i]20不等于 30。执行buf[j] buf[i]buf[1]20j2i2buf[i]40不等于 30。执行buf[j] buf[i]buf[2]40j3i3buf[i]30等于待删除元素。不执行赋值j 保持为 3原地不动i4buf[i]50不等于 30。执行buf[j] buf[i]buf[3]50j4循环结束。j4代表删除完成之后数组有效长度为 4。数组前j个元素就是结果{10,20,40,50}。重点数组后面残留的旧数据没有被擦除我们后续只读取数组前j项即可。#include stdio.h #define MAX 5 int main(void) { int buf[MAX] {10,20,40,30,50}; int i,j 0; //快慢指针遍历数组 for(i 0; i MAX; i) { //当前元素不是要删除的值则保留 if(buf[i] ! 30) { buf[j] buf[i]; } } //打印删除后的有效数组j为新数组长度 printf(删除30之后的数组); for(i 0; i j; i) { printf(%d , buf[i]); } printf(\n); return 0; }原理示意图
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/21 14:14:45

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/21 14:14:26

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/22 21:23:30

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/22 1:51:41

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/22 19:32:11

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/21 14:13:11

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉