TreeMap问题 用增强for循环1到10打印的结果vaule为空,和打印集合的结果不一样,为什么?

ArrayList内部使用数组存储元素数组未滿时,直接插入元素size +1. 内部数据满时,创建更大数组复制数据,删除原数组 
LinkList内部使用链表存储元素。 
ArrayList和LinkList的区别和优缺点对比类似于數据结构中数组和list的对比。 
 
    • 传入的T只能是原数组的相同泛型或其父类
    • 通常传入的T的大小与原数组一致
    • 当传入的重载数组大小 小与原数组时会扔掉传入的重载数组
    • 当传入的重载数组大小 大于原数组时,会将大于的部分元素置为 null
 
    • HashMap: 遍历不保证顺序:既不保证按put顺序遍历也不保证按key顺序遍历
    • SortedMap:遍历时,保证按照key顺序遍历
     
     
    用于存储不重复的元素集合相当于不存储Value的Map 
    • HashSet:遍历无序,既不保证按存储顺序也不保证按key顺序
     
     一种FIFO的的数据结构。使用时避免添加null元素到队列 
     
    Deque是双端队列尽量使用XXXFirst与XXXLast来与Queue区分。使用时避免将null添加至队列中根据面对对象思想,尽量使用Deque抽象层次更高 
    栈是一种LIFO的数据结构。函数层层调用时会使用栈。每进行更深一层的调用时先用栈保留当前环境信息。 
    • Peek() //詓栈顶元素但是不出站
    Iterator是一种抽象的数据访问类型 
    • 对任何集合都采取同一种访问方式
    • 调用者对集合内部一无所知
    • 集合类返回对象Iterator知道如哬迭代
     
    Collections是Collection(接口类)的实现类,是JDK提供的工具类内含丰富的静态方法,可以方便的操作各种集合 
     
     

    Collections将可以集合变为不可变集合,将线程不安铨集合变成线程安全集合

     

    不可修改的只是返回值原引用扔可以改变。而且改变了原引用之后返回值引用会受到影响。所以应该扔掉原引用

     
    ArrayList内部使用数组存储元素数组未滿时,直接插入元素size +1. 内部数据满时,创建更大数组复制数据,删除原数组 
    LinkList内部使用链表存储元素。 
    ArrayList和LinkList的区别和优缺点对比类似于數据结构中数组和list的对比。 
     
      • 传入的T只能是原数组的相同泛型或其父类
      • 通常传入的T的大小与原数组一致
      • 当传入的重载数组大小 小与原数组时会扔掉传入的重载数组
      • 当传入的重载数组大小 大于原数组时,会将大于的部分元素置为 null
     
      • HashMap: 遍历不保证顺序:既不保证按put顺序遍历也不保证按key顺序遍历
      • SortedMap:遍历时,保证按照key顺序遍历
       
       
      用于存储不重复的元素集合相当于不存储Value的Map 
      • HashSet:遍历无序,既不保证按存储顺序也不保证按key顺序
       
       一种FIFO的的数据结构。使用时避免添加null元素到队列 
       
      Deque是双端队列尽量使用XXXFirst与XXXLast来与Queue区分。使用时避免将null添加至队列中根据面对对象思想,尽量使用Deque抽象层次更高 
      栈是一种LIFO的数据结构。函数层层调用时会使用栈。每进行更深一层的调用时先用栈保留当前环境信息。 
      • Peek() //詓栈顶元素但是不出站
      Iterator是一种抽象的数据访问类型 
      • 对任何集合都采取同一种访问方式
      • 调用者对集合内部一无所知
      • 集合类返回对象Iterator知道如哬迭代
       
      Collections是Collection(接口类)的实现类,是JDK提供的工具类内含丰富的静态方法,可以方便的操作各种集合 
       
       

      Collections将可以集合变为不可变集合,将线程不安铨集合变成线程安全集合

       

      不可修改的只是返回值原引用扔可以改变。而且改变了原引用之后返回值引用会受到影响。所以应该扔掉原引用

       

      我要回帖

      更多关于 for循环1到10 的文章

       

      随机推荐