iis服务器助手广告广告

扫码关注官方微信

扫码下载APP
返回顶部
首页 > 资讯 > 后端开发 > 其他教程 >R语言:排序的应用操作
  • 641

0
分享到

R语言:排序的应用操作

2024-04-02 19:04:59 641人浏览 薄情痞子
摘要

工作中遇到过许多看起来挺复杂的数据筛选，本质上都可以用排序解决，这里以R自带的mtcar数据集为例做一个记录。 首先简单介绍一下mtcar数据集，mtcar（Motor Trend

工作中遇到过许多看起来挺复杂的数据筛选，本质上都可以用排序解决，这里以R自带的mtcar数据集为例做一个记录。

首先简单介绍一下mtcar数据集，mtcar（Motor Trend Car Road Tests）是一个32行11列的数据集，记录了32种汽车的11种性能，具体数据如下：


> mtcars
                     mpg cyl  disp  hp drat    wt  qsec vs am gear carb
Mazda RX4           21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4
Mazda RX4 Wag       21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4
Datsun 710          22.8   4 108.0  93 3.85 2.320 18.61  1  1    4    1
Hornet 4 Drive      21.4   6 258.0 110 3.08 3.215 19.44  1  0    3    1
Hornet Sportabout   18.7   8 360.0 175 3.15 3.440 17.02  0  0    3    2
Valiant             18.1   6 225.0 105 2.76 3.460 20.22  1  0    3    1
Duster 360          14.3   8 360.0 245 3.21 3.570 15.84  0  0    3    4
Merc 240D           24.4   4 146.7  62 3.69 3.190 20.00  1  0    4    2
Merc 230            22.8   4 140.8  95 3.92 3.150 22.90  1  0    4    2
Merc 280            19.2   6 167.6 123 3.92 3.440 18.30  1  0    4    4
Merc 280C           17.8   6 167.6 123 3.92 3.440 18.90  1  0    4    4
Merc 450SE          16.4   8 275.8 180 3.07 4.070 17.40  0  0    3    3
Merc 450SL          17.3   8 275.8 180 3.07 3.730 17.60  0  0    3    3
Merc 450SLC         15.2   8 275.8 180 3.07 3.780 18.00  0  0    3    3
Cadillac Fleetwood  10.4   8 472.0 205 2.93 5.250 17.98  0  0    3    4
Lincoln Continental 10.4   8 460.0 215 3.00 5.424 17.82  0  0    3    4
Chrysler Imperial   14.7   8 440.0 230 3.23 5.345 17.42  0  0    3    4
Fiat 128            32.4   4  78.7  66 4.08 2.200 19.47  1  1    4    1
Honda Civic         30.4   4  75.7  52 4.93 1.615 18.52  1  1    4    2
Toyota Corolla      33.9   4  71.1  65 4.22 1.835 19.90  1  1    4    1
Toyota Corona       21.5   4 120.1  97 3.70 2.465 20.01  1  0    3    1
Dodge Challenger    15.5   8 318.0 150 2.76 3.520 16.87  0  0    3    2
AMC Javelin         15.2   8 304.0 150 3.15 3.435 17.30  0  0    3    2
Camaro Z28          13.3   8 350.0 245 3.73 3.840 15.41  0  0    3    4
Pontiac Firebird    19.2   8 400.0 175 3.08 3.845 17.05  0  0    3    2
Fiat X1-9           27.3   4  79.0  66 4.08 1.935 18.90  1  1    4    1
Porsche 914-2       26.0   4 120.3  91 4.43 2.140 16.70  0  1    5    2
Lotus Europa        30.4   4  95.1 113 3.77 1.513 16.90  1  1    5    2
Ford Pantera L      15.8   8 351.0 264 4.22 3.170 14.50  0  1    5    4
Ferrari Dino        19.7   6 145.0 175 3.62 2.770 15.50  0  1    5    6
Maserati Bora       15.0   8 301.0 335 3.54 3.570 14.60  0  1    5    8
Volvo 142E          21.4   4 121.0 109 4.11 2.780 18.60  1  1    4    2

假如我们想挑一款比较省油的车，也就是选一款mpg（每加仑公里数）较高的车。如果只要一个备选，自然可以使用which.max函数：


> mtcars[which.max(mtcars$mpg), ]
                mpg cyl disp hp drat    wt qsec vs am gear carb
Toyota Corolla 33.9   4 71.1 65 4.22 1.835 19.9  1  1    4    1

如果想要多个备选呢？例如2个备选。我们可以将mtcars按mpg从大到小排序，然后列出前两个：


> db_use <- mtcars[order(mtcars$mpg, decreasing = T), ] 
> db_use
                     mpg cyl  disp  hp drat    wt  qsec vs am gear carb
Toyota Corolla      33.9   4  71.1  65 4.22 1.835 19.90  1  1    4    1
Fiat 128            32.4   4  78.7  66 4.08 2.200 19.47  1  1    4    1
Honda Civic         30.4   4  75.7  52 4.93 1.615 18.52  1  1    4    2
Lotus Europa        30.4   4  95.1 113 3.77 1.513 16.90  1  1    5    2
Fiat X1-9           27.3   4  79.0  66 4.08 1.935 18.90  1  1    4    1
Porsche 914-2       26.0   4 120.3  91 4.43 2.140 16.70  0  1    5    2

前两名是：


> db_use[1:2, ]
                mpg cyl disp hp drat    wt  qsec vs am gear carb
Toyota Corolla 33.9   4 71.1 65 4.22 1.835 19.90  1  1    4    1
Fiat 128       32.4   4 78.7 66 4.08 2.200 19.47  1  1    4    1

如果取前3名呢？我们注意到存在并列第3的情况，所以说直接取前3行就不合适了。这样我们可以新设一列表示mpg的排名（rank），然后取排名小于等于3的数据。但是rank函数是从小到大排序的，我们这里要从大到小排序，需要做一个简单的变换：


> db_use$rank <- nrow(db_use) - rank(db_use$mpg, ties.method = 'max') + 1
> db_use
                     mpg cyl  disp  hp drat    wt  qsec vs am gear carb rank
Toyota Corolla      33.9   4  71.1  65 4.22 1.835 19.90  1  1    4    1    1
Fiat 128            32.4   4  78.7  66 4.08 2.200 19.47  1  1    4    1    2
Honda Civic         30.4   4  75.7  52 4.93 1.615 18.52  1  1    4    2    3
Lotus Europa        30.4   4  95.1 113 3.77 1.513 16.90  1  1    5    2    3
Fiat X1-9           27.3   4  79.0  66 4.08 1.935 18.90  1  1    4    1    5
Porsche 914-2       26.0   4 120.3  91 4.43 2.140 16.70  0  1    5    2    6

选取前3名：


> db_use[which(db_use$rank<= 3), ]
                mpg cyl disp  hp drat    wt  qsec vs am gear carb rank
Toyota Corolla 33.9   4 71.1  65 4.22 1.835 19.90  1  1    4    1    1
Fiat 128       32.4   4 78.7  66 4.08 2.200 19.47  1  1    4    1    2
Honda Civic    30.4   4 75.7  52 4.93 1.615 18.52  1  1    4    2    3
Lotus Europa   30.4   4 95.1 113 3.77 1.513 16.90  1  1    5    2    3

下面增加一下难度。现在我们挑选出来的车都是4缸的，即cyl（气缸数）为4。我们想在不同气缸数的车中都挑一些省油的车做备选，比方说在不同气缸数的车中挑出各自前3款最省油的车。

同样，我们需要构造一个新变量表示mpg的排名，只不过这个排名是一个分组排名，即以气缸数分组，在气缸数相同的车中分别排名。

首先，我们将数据按气缸数分组排好：


> library(dplyr)
> db_use <- mtcars
> db_use$name <- rownames(db_use)
> db_use <- arrange(db_use, cyl, desc(mpg))
> db_use
    mpg cyl  disp  hp drat    wt  qsec vs am gear carb                name
1  33.9   4  71.1  65 4.22 1.835 19.90  1  1    4    1      Toyota Corolla
2  32.4   4  78.7  66 4.08 2.200 19.47  1  1    4    1            Fiat 128
3  30.4   4  75.7  52 4.93 1.615 18.52  1  1    4    2         Honda Civic
4  30.4   4  95.1 113 3.77 1.513 16.90  1  1    5    2        Lotus Europa
5  27.3   4  79.0  66 4.08 1.935 18.90  1  1    4    1           Fiat X1-9
6  26.0   4 120.3  91 4.43 2.140 16.70  0  1    5    2       Porsche 914-2

然后列出各组的组内rank：


> rank_group <- aggregate(mpg~cyl, db_use, rank, ties.method = 'max')
> db_use$rank_increase <- unlist(rank_group$mpg)
> db_use
    mpg cyl  disp  hp drat    wt  qsec vs am gear carb                name rank_increase
1  33.9   4  71.1  65 4.22 1.835 19.90  1  1    4    1      Toyota Corolla            11
2  32.4   4  78.7  66 4.08 2.200 19.47  1  1    4    1            Fiat 128            10
3  30.4   4  75.7  52 4.93 1.615 18.52  1  1    4    2         Honda Civic             9
4  30.4   4  95.1 113 3.77 1.513 16.90  1  1    5    2        Lotus Europa             9
5  27.3   4  79.0  66 4.08 1.935 18.90  1  1    4    1           Fiat X1-9             7
6  26.0   4 120.3  91 4.43 2.140 16.70  0  1    5    2       Porsche 914-2             6

接着，算出每组各包含多少数据：


> num_all <- aggregate(mpg~cyl, db_use, length)
> db_use$num_all <- rep(num_all$mpg, num_all$mpg)
> db_use
    mpg cyl  disp  hp drat    wt  qsec vs am gear carb                name rank_increase num_all
1  33.9   4  71.1  65 4.22 1.835 19.90  1  1    4    1      Toyota Corolla            11      11
2  32.4   4  78.7  66 4.08 2.200 19.47  1  1    4    1            Fiat 128            10      11
3  30.4   4  75.7  52 4.93 1.615 18.52  1  1    4    2         Honda Civic             9      11
4  30.4   4  95.1 113 3.77 1.513 16.90  1  1    5    2        Lotus Europa             9      11
5  27.3   4  79.0  66 4.08 1.935 18.90  1  1    4    1           Fiat X1-9             7      11
6  26.0   4 120.3  91 4.43 2.140 16.70  0  1    5    2       Porsche 914-2             6      11

最后二者相减得出各组的组内从大到小排名，选取排名小于等于3的汽车：：


> db_use$rank_decrease <- db_use$num_all - db_use$rank_increase + 1
> db_use[which(db_use$rank_decrease <= 3), ]
    mpg cyl  disp  hp drat    wt  qsec vs am gear carb              name rank_increase num_all rank_decrease
1  33.9   4  71.1  65 4.22 1.835 19.90  1  1    4    1    Toyota Corolla            11      11             1
2  32.4   4  78.7  66 4.08 2.200 19.47  1  1    4    1          Fiat 128            10      11             2
3  30.4   4  75.7  52 4.93 1.615 18.52  1  1    4    2       Honda Civic             9      11             3
4  30.4   4  95.1 113 3.77 1.513 16.90  1  1    5    2      Lotus Europa             9      11             3
12 21.4   6 258.0 110 3.08 3.215 19.44  1  0    3    1    Hornet 4 Drive             7       7             1
13 21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4         Mazda RX4             6       7             2
14 21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4     Mazda RX4 Wag             6       7             2
19 19.2   8 400.0 175 3.08 3.845 17.05  0  0    3    2  Pontiac Firebird            14      14             1
20 18.7   8 360.0 175 3.15 3.440 17.02  0  0    3    2 Hornet Sportabout            13      14             2
21 17.3   8 275.8 180 3.07 3.730 17.60  0  0    3    3        Merc 450SL            12      14             3

有时候我们不会挑选具体前3名还是前5名的数据，会是取一个百分比，比方说在各组内挑选前20%最省油的车辆，这个需求利用前边的几个中间变量新设一个百分比变量就能轻松实现：


> db_use[which(db_use$Percent <= 0.2), ]
    mpg cyl  disp  hp drat    wt  qsec vs am gear carb              name rank_increase num_all rank_decrease    Percent
1  33.9   4  71.1  65 4.22 1.835 19.90  1  1    4    1    Toyota Corolla            11      11             1 0.09090909
2  32.4   4  78.7  66 4.08 2.200 19.47  1  1    4    1          Fiat 128            10      11             2 0.18181818
12 21.4   6 258.0 110 3.08 3.215 19.44  1  0    3    1    Hornet 4 Drive             7       7             1 0.14285714
19 19.2   8 400.0 175 3.08 3.845 17.05  0  0    3    2  Pontiac Firebird            14      14             1 0.07142857
20 18.7   8 360.0 175 3.15 3.440 17.02  0  0    3    2 Hornet Sportabout            13      14             2 0.14285714

补充：R语言中的排序算法

最近用R语言比较多，所以这次再一次整理一下R语言中的排序算法，本篇文章主要以代码实现为主，原理不在此赘述了。

文中如有不正确的地方，欢迎大家批评指正。

1.测试数据


<span style="font-size:18px;"># 测试数组
vector = c(5,34,65,36,67,3,6,43,69,59,25,785,10,11,14)
vector
##  [1]   5  34  65  36  67   3   6  43  69  59  25 785  10  11  14</span>

2.R语言中自带的排序函数

在R中，跟排序有关的函数主要有三个：sort()，rank()，order()。其中sort(x)是对向量x进行排序，rank()是求秩的函数，它的返回值是这个向量中对应元素的“排名”，order()的返回值是对应“排名”的元素所在向量中的位置。


sort(vector)
##  [1]   3   5   6  10  11  14  25  34  36  43  59  65  67  69 785
order(vector)
##  [1]  6  1  7 13 14 15 11  2  4  8 10  3  5  9 12
rank(vector)
##  [1]  2  8 12  9 13  1  3 10 14 11  7 15  4  5  6

3.冒泡排序


# bubble sort
bubbleSort = function(vector) {
  n = length(vector)
  for (i in 1:(n-1)) {
    for (j in (i+1):n) {
      if(vector[i]>=vector[j]){
        temp = vector[i]
        vector[i] = vector[j]
        vector[j] = temp
        }
      }
    }
  return(vector)
}
bubbleSort(vector)
##  [1]   3   5   6  10  11  14  25  34  36  43  59  65  67  69 785

4.快速排序


# quick sort
quickSort = function(vector, small, big) {
  left = small
  right = big
  if (left >= right) {
    return(vector)
  }else{
    markValue = vector[left]
    while (left < right) {
      while (left < right && vector[right] >= markValue) {
        right = right - 1
      }
      vector[left] = vector[right]
      while (left < right && vector[left] <= markValue) {
        left = left + 1
      }
      vector[right] = vector[left]
    }
  vector[left] = markValue
  vector = quickSort(vector, small, left - 1)
  vector = quickSort(vector, right + 1, big)
  return(vector)
  }
}
quickSort(vector,1,15)
##  [1]   3   5   6  10  11  14  25  34  36  43  59  65  67  69 785

5.插入排序


# insert sort
insertSort = function(vector){
  n = length(vector)
  for(i in 2:n){
    markValue = vector[i]
    j=i-1
    while(j>0){
      if(vector[j]>markValue){
        vector[j+1] = vector[j]
        vector[j] = markValue
      }
      j=j-1
    }
  }
  return(vector)
}
insertSort(vector)
##  [1]   3   5   6  10  11  14  25  34  36  43  59  65  67  69 785

6.希尔排序


# shell sort
shellSort = function(vector){
   n = length(vector)
   separate = floor(n/2)
   while(separate>0){
     for(i in 1:separate){
       j = i+separate
       while(j<=n){
         m= j- separate
         markVlaue = vector[j]
         while(m>0){
           if(vector[m]>markVlaue){
             vector[m+separate] = vector[m]
             vector[m] = markVlaue
           }
           m = m-separate
         }
         j = j+separate
       }
     }
     separate = floor(separate/2)
   }
   return(vector)
}
shellSort(vector)
##  [1]   3   5   6  10  11  14  25  34  36  43  59  65  67  69 785

7.选择排序


# select sort
selectSort = function(vector){
  n = length(vector)
  for(i in 1:(n-1)){
    minIndex = i
    for(j in (i+1):n){
      if(vector[minIndex]>vector[j]){
        minIndex = j
      }
    }
    temp = vector[i]
    vector[i] = vector[minIndex]
    vector[minIndex] = temp
  }
  return(vector)
}
selectSort(vector)
##  [1]   3   5   6  10  11  14  25  34  36  43  59  65  67  69 785

8.堆排序


# heap sort
adjustHeap = function(vector,k,n){
  left = 2*k
  right = 2*k+1
  max = k
  if(k<=n/2){
    if(left<=n&&vector[left]>=vector[max]){
      max = left
    }
    if(right<=n&&vector[right]>=vector[max]){
      max = right
    }
    if(max!=k){
      temp = vector[k]
      vector[k] = vector[max]
      vector[max] = temp
      vector = adjustHeap(vector,max,n)
    }
  }
  return(vector)
}
createHeap = function(vector,n){
  for(i in (n/2):1){
    vector = adjustHeap(vector,i,n)
  }
  return(vector)
}
heapSort = function(vector){
  n = length(vector)
  vector = createHeap(vector,n)
  for(i in 1:n){
    temp = vector[n-i+1]
    vector[n-i+1] = vector[1]
    vector[1] = temp
    vector = adjustHeap(vector,1,n-i)
  }
  return(vector)
}

9.归并排序


# merge sort
combine = function(leftSet,rightSet){
  m = 1
  n = 1
  vectorTemp = c()
  while (m<=length(leftSet)&&n<=length(rightSet)) {
    if(leftSet[m]<=rightSet[n]){
      vectorTemp = append(vectorTemp,leftSet[m])
      m = m+1
    }else{
      vectorTemp = append(vectorTemp,rightSet[n])
      n = n+1
    }
  }
  if(m>length(leftSet)&&n==length(rightSet)){
    vectorTemp = append(vectorTemp,rightSet[n:length(rightSet)])
  }else if(m==length(leftSet)&&n>length(rightSet)){
    vectorTemp = append(vectorTemp,leftSet[m:length(leftSet)])
  }
  return(vectorTemp)
}
mergeSort = function(vector){
  size = length(vector)
  if(size==1){
    return(vector)
  }
    cut = ceiling(size/2)
    leftSet = mergeSort(vector[1:cut])
    rightSet = mergeSort(vector[(cut+1):size])
    vector = combine(leftSet,rightSet)
    return(vector)
}

以上为个人经验，希望能给大家一个参考，也希望大家多多支持编程网。如有错误或未考虑完全的地方，望不吝赐教。

点击免费下载>>软考高级考试备考技巧/历年真题/备考精华资料

--结束END--

本文标题: R语言:排序的应用操作

本文链接: https://www.lsjlt.com/news/124181.html(转载时请注明来源链接)

有问题或投稿请发送至: 邮箱/279061341@qq.com    QQ/279061341

本篇文章演示代码以及资料文档资料下载

下载Word文档到电脑，方便收藏和打印～

下载Word文档
去做题
猜你喜欢
  • R语言:排序的应用操作
    工作中遇到过许多看起来挺复杂的数据筛选，本质上都可以用排序解决，这里以R自带的mtcar数据集为例做一个记录。 首先简单介绍一下mtcar数据集，mtcar（Motor Trend ...
    99+
    2022-11-12
  • R语言柱状图排序和x轴上的标签倾斜操作
    R语言做柱状图大致有两种方法， 一种是基础库里面的 barplot函数， 另一个就是ggplot2包里面的geom_bar 此处用的是字符变量 统计其各频数，然后做出其柱状图。（横轴...
    99+
    2022-11-12
  • 利用R语言绘制时间序列图的操作
    数据 GDP.csv文件,存储1879~2019年河南省GDP数据 绘图 # 读取数据， 首先将excel 格式的转化为 csv 格式 再读取 h <- read.tab...
    99+
    2022-11-11
  • R语言的Dataframe常用操作使用
    上节我们简单介绍了Dataframe的定义，这节我们具体来看一下Dataframe的操作 首先，数据框的创建函数为 data.frame( )，参考R语言的帮助文档，我们来了解一下d...
    99+
    2022-11-12
  • R语言 ggplot2改变柱状图的顺序操作
    如下所示： library(ggplot2) library(ggthemes) dt = data.frame(obj = c('A','D','B','E','C'), va...
    99+
    2022-11-12
  • R语言的Dataframe常用操作方法
    这篇文章主要讲解了“R语言的Dataframe常用操作方法”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“R语言的Dataframe常用操作方法”吧！上节我们简单介绍了Dataframe的定义...
    99+
    2023-06-20
  • R语言 设置ylab每个汉字竖向排列的操作
    只看标题可能不知道啥意思，所以先上图了。 从图中可以看到ylab中汉字的排列方式是从上到下的，要实现这样的效果有两个关键步骤： 一是ylab不是常规的“月工作量”，而是'月\n工\...
    99+
    2022-11-12
  • R语言中data.frame的常用操作总结
    前言：近段时间学习R语言用到最多的数据格式就是data.frame，现对data.frame常用操作进行总结，其中函数大部分来自dplyr包，该包由Hadley Wickham所作，...
    99+
    2022-11-12
  • R语言如何实现柱状图排序和x轴上的标签倾斜操作
    这篇文章将为大家详细讲解有关R语言如何实现柱状图排序和x轴上的标签倾斜操作，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。R语言做柱状图大致有两种方法， 一种是基础库里面的 barplot函数， 另一个就是...
    99+
    2023-06-14
  • r语言向量降序排列的方法是什么
    R语言中可以使用`sort()`函数将向量进行升序排列，如果需要降序排列，可以使用`sort()`函数的参数`decreasing ...
    99+
    2023-09-11
    r语言
  • R语言ggplot2x轴顺序设置自定义颜色的操作
    先声明一下所用的数据集 第一个图如下 这个图主要在于x轴的顺序设置上，如果按不做任何处理的话>3那个就会在2之前，解决方法是b[,1]<-factor(b[,1],l...
    99+
    2022-11-12
  • R语言绘图大小设定的操作
    图片大小设定 x = c(1:10) y = c(11:20) par(pin = c(5,3))#pin()函数控制图形的尺寸 plot(x = x, y = y) x...
    99+
    2022-11-12
  • R语言操作文件的方法什么
    这篇文章主要介绍“R语言操作文件的方法什么”，在日常操作中，相信很多人在R语言操作文件的方法什么问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答”R语言操作文件的方法什么”的疑惑有所帮助！接下来，请跟着小编一起来...
    99+
    2023-06-25
  • go语言堆排序的作用有哪些
    Go语言堆排序的作用主要有以下几点： 排序：堆排序是一种高效的排序算法，能够对一个无序的数组进行排序。它具有时间复杂度为O(nl...
    99+
    2023-10-27
    go语言
  • C语言快速排序如何应用
    今天小编给大家分享一下C语言快速排序如何应用的相关知识点，内容详细，逻辑清晰，相信大部分人都还太了解这方面的知识，所以分享这篇文章给大家参考一下，希望大家阅读完这篇文章后有所收获，下面我们一起来了解一下吧。快速排序快速排序,说白了就是给基准...
    99+
    2023-06-30
  • C语言归并排序如何应用
    这篇文章主要介绍“C语言归并排序如何应用”的相关知识，小编通过实际案例向大家展示操作过程，操作方法简单快捷，实用性强，希望这篇“C语言归并排序如何应用”文章能帮助大家解决问题。一.归并排序1.1归并排序引入对于堆排序来说，因为用到了完全二叉...
    99+
    2023-06-30
  • R语言 检验多重共线性的操作
    函数kappa() df<-data.frame() df_cor=cor(df) kappa(df_cor, exact=T) 当 κ<100κ<100 ...
    99+
    2022-11-12
  • R语言-计算频数和频率的操作
    首先，筛选出需要的列： data <- data2[,which(colnames(data2) %in% c("产品分类", "期数", "逾期月数"))] ...
    99+
    2022-11-12
  • R语言数据的输入和输出操作
    数据的载入 R本身已经提供了超过50个数据集，而在众多功能包中，默认的数据集被存放在datasets程序包中，通过函数data()k可以查看系统提供所有的数据包，同时可以通过函数li...
    99+
    2022-11-12
  • C语言实现BST二叉排序树的基本操作
    本文实例为大家分享了C语言实现BST二叉排序树的基本操作代码，供大家参考，具体内容如下 BST-二叉排序树的几个基本操作。 头文件声明与函数定义 #include <std...
    99+
    2022-11-12
软考高级职称资格查询
iis服务器助手广告
软考职称历年真题下载
软考职称资料下载
热门wiki
近期文章
推荐阅读
热门问答
热门标签
编程网，编程工程师的家园，是目前国内优秀的开源技术社区之一，形成了由开源软件库、代码分享、资讯、协作翻译、讨论区和博客等几大频道内容，为IT开发者提供了一个发现、使用、并交流开源技术的平台。

  • 官方手机版

  • 微信公众号

  • 商务合作