python什么是数据结构_〖Python〗-- 数据结构
【数据结构】
什么是数据结构?
定义:简单来说,数据结构就是设计数据以何种方式组织并存储在计算机中。比如:列表、集合与字典等都是一种数据结构。
PS:“程序=数据结构+算法”
列表:
在其他编程语言中称为“数组”,是一种基本的数据结构类型。
列表是一种线性表,是固定长度的。
一个整数,在32位机器中,占用4个字节,在64位机器中,占用8个字节。
列表在内存中开得格子要一样大:
第一是为了存地址,地址是一样大得。64位机器是一个格子占用8个字节。
第二是为了查找,如li[2] 在64位机器中等于li+2*8
列表和数组有两种不同:
元素类型不同
可以无限append。如果格子空间不够,再开一个以前两倍的空间
关于列表的问题:
列表中元素是如何存储的?
是连续存储得,地址在内存中是连续得。
列表提供了哪些基本的操作?
append、pop、remove、insert、index、直接通过下标查找。
这些操作的时间复杂度是多少?
按下标查询,复杂度O(1)
插入(insert),复杂度O(n)
删除(remove),复杂度O(n) , pop()是O(1), pop(-2)是O(n)
添加(append), 复杂度O(1)
查找(index),复杂度O(n)
栈:
栈(Stack)是一个数据集合,可以理解为只能在一端进行插入或删除操作的列表。
栈的特点:后进先出(last-in, first-out)
栈的概念:栈顶、栈底
栈的基本操作:
进栈(压栈):push
出栈:pop
取栈顶:gettop
栈的Python实现
不需要自己定义,使用列表结构即可。
进栈函数:append
出栈函数:pop
查看栈顶函数:li[-1]
栈的应用:
一、word操作:
Ctrl + C 之后,会先从撤销栈pop删除,append重做栈
Ctr + Y 之后,会把重做栈中pop删除,append撤销栈。
只加值得时候,只有撤销栈。
二、括号匹配问题
括号匹配问题:给一个字符串,其中包含小括号、中括号、大括号,求该字符串中的括号是否匹配。
例如:
()()[]{} 匹配
([{()}]) 匹配
[]( 不匹配
[(]) 不匹配
代码实现:
def check_kuohao(s):
stack = []
for char in s:
if char in {'(','[','{'}:
stack.append(char)
elif char == ')':
if len(stack) > 0 and stack[-1] == '(':
stack.pop()
else:
return False
elif char == ']':
if len(stack) > 0 and stack[-1] == '[':
stack.pop()
else:
return False
elif char == '}':
if len(stack) > 0 and stack[-1] == '{':
stack.pop()
else:
return False
if len(stack) == 0:
return True
else:
return False
s="{[()]}"
print(check_kuohao(s))
三、迷宫问题
给一个二维列表,表示迷宫(0表示通道,1表示围墙)。给出算法,求一条走出迷宫的路径。
maze = [
[1,1,1,1,1,1,1,1,1,1],
[1,0,0,1,0,0,0,1,0,1],
[1,0,0,1,0,0,0,1,0,1],
[1,0,0,0,0,1,1,0,0,1],
[1,0,1,1,1,0,0,0,0,1],
[1,0,0,0,1,0,0,0,0,1],
[1,0,1,0,0,0,1,0,0,1],
[1,0,1,1,1,1,1,1,1,1],
[1,1,0,0,0,0,0,0,0,1],
[1,1,1,1,1,1,1,1,1,1]
]
解决思路:
在一个迷宫节点(x,y)上,可以进行四个方向的探查:maze[x-1][y], maze[x+1][y], maze[x][y-1], maze[x][y+1]
思路:从一个节点开始,任意找下一个能走的点,当找不到能走的点时,退回上一个点寻找是否有其他方向的点。
方法:创建一个空栈,首先将入口位置进栈。当栈不空时循环:获取栈顶元素,寻找下一个可走的相邻方块,如果找不到可走的相邻方块,说明当前位置是死胡同,进行回溯(就是讲当前位置出栈,看前面的点是否还有别的出路)
代码实现:
maze = [
[1,1,1,1,1,1,1,1,1,1],
[1,0,0,1,0,0,0,1,0,1],
[1,0,0,1,0,0,0,1,0,1],
[1,0,0,0,0,1,1,0,0,1],
[1,0,1,1,1,0,0,0,0,1],
[1,0,0,0,1,0,0,0,0,1],
[1,0,1,0,0,0,1,0,0,1],
[1,0,1,1,1,1,1,1,1,1],
[1,1,0,0,0,0,0,0,0,1],
[1,1,1,1,1,1,1,1,1,1]
]
dirs = [
lambda x,y:(x+1,y),
lambda x,y:(x-1,y),
lambda x,y:(x,y+1),
lambda x,y:(x,y-1)
]
def mgmaze(x1,y1,x2,y2):
stack=[]
stack.append((x1,y1))
while len(stack)>0: #只要栈不为空
curNode = stack[-1]
if curNode[0]==x2 and curNode[1]==y2:
#到达终点 打印路径
for p in stack:
print(p)
return True
for dir in dirs:
nextNode = dir(curNode[0],curNode[1])
if maze[nextNode[0]][nextNode[1]] == 0:
stack.append(nextNode)
maze[nextNode[0]][nextNode[1]] = 2 #2表示已走过
break
else:
stack.pop()
maze[curNode[0]][curNode[1]] = 2 #死路一条
return False
print(mgmaze(1,1,8,8))
队列:
队列(Queue)是一个数据集合,仅允许在列表的一端进行插入,另一端进行删除。
进行插入的一端称为队尾(rear),插入动作称为进队或入队。
进行删除的一端称为队头(front),删除动作称为出队
队列的性质:先进先出(First-in, First-out)
双向队列:队列的两端都允许进行进队和出队操作。
队列能否简单用列表实现?为什么?
不能
使用方法:from collections import deque
创建队列:queue = deque(li)
进队:append
出队:popleft
双向队列队首进队:appendleft
双向队列队尾进队:pop
队列的实现原理:
初步设想:列表+两个下标指针
创建一个列表和两个变量,front变量指向队首,rear变量指向队尾。初始时,front和rear都为0。
进队操作:元素写到li[rear]的位置,rear自增1。
出队操作:返回li[front]的元素,front自减1。
这种实现的问题?
队列的实现原理——环形队列
改进方案:将列表首尾逻辑上连接起来。
环形队列:当队尾指针front == Maxsize + 1时,再前进一个位置就自动到0。
实现方式:求余数运算
队首指针前进1:front = (front + 1) % MaxSize
队尾指针前进1:rear = (rear + 1) % MaxSize
队空条件:rear == front
队满条件:(rear + 1) % MaxSize == front
队列的应用——迷宫问题
思路:从一个节点开始,寻找所有下面能继续走的点。继续寻找,直到找到出口。
方法:创建一个空队列,将起点位置进队。在队列不为空时循环:出队一次。如果当前位置为出口,则结束算法;否则找出当前方块的4个相邻方块中可走的方块,全部进队。
代码实现:
from collections import deque
maze = [
[1,1,1,1,1,1,1,1,1,1],
[1,0,0,1,0,0,0,1,0,1],
[1,0,0,1,0,0,0,1,0,1],
[1,0,0,0,0,1,1,0,0,1],
[1,0,1,1,1,0,0,0,0,1],
[1,0,0,0,1,0,0,0,0,1],
[1,0,1,0,0,0,1,0,0,1],
[1,0,1,1,1,1,1,1,1,1],
[1,1,0,0,0,0,0,0,0,1],
[1,1,1,1,1,1,1,1,1,1]
]
dirs = [
lambda x,y:(x+1,y),
lambda x,y:(x-1,y),
lambda x,y:(x,y+1),
lambda x,y:(x,y-1)
]
def mgpath(x1, y1, x2, y2):
queue = deque()
path = []
queue.append((x1, y1, -1))
while len(queue) > 0:
curNode = queue.popleft()
path.append(curNode)
if curNode[0] == x2 and curNode[1] == y2:
#到达终点
print(path)
return True
for dir in dirs:
nextNode = dir(curNode[0], curNode[1])
if maze[nextNode[0]][nextNode[1]] == 0: #找到下一个方块
queue.append((*nextNode, len(path) - 1))
maze[nextNode[0]][nextNode[1]] = -1 # 标记为已经走过
return False
集合与字典
集合是对值进行哈希,字典是对键进行哈希。它们两个进行查找得时候,就比列表快。
md5就是一种哈希算法。
集合与字典都是通过哈希表查找。
哈希表(Hash Table,又称为散列表),是一种线性表的存储结构。通过把每个对象的关键字k作为自变量,通过一个哈希函数h(k),将k映射到下标h(k)处,并将该对象存储在这个位置。
例如:数据集合{1,6,7,9},假设存在哈希函数h(x)使得h(1) = 0, h(6) = 2, h(7) = 4, h(9) = 5,那么这个哈希表被存储为[1,None, 6, None, 7, 9]。
当我们查找元素6所在的位置时,通过哈希函数h(x)获得该元素所在的下标(h(6) = 2),因此在2位置即可找到该元素。
哈希函数种类有很多,这里不做深入研究。
哈希冲突或者哈希碰撞:由于哈希表的下标范围是有限的,而元素关键字的值是接近无限的,因此可能会出现h(102) = 56, h(2003) = 56这种情况。此时,两个元素映射到同一个下标处,造成哈希冲突。
解决哈希冲突:
在Python中的字典:a = {'name': 'Alex', 'age': 18, 'gender': 'Man'}
使用哈希表存储字典,通过哈希函数将字典的键映射为下标。假设h(‘name’) = 3, h(‘age’) = 1, h(‘gender’) = 4,则哈希表存储为[None, 18, None, ’Alex’, ‘Man’]
在字典键值对数量不多的情况下,几乎不会发生哈希冲突,此时查找一个元素的时间复杂度为O(1)。
补充:
数据存储分为物理存储方式和逻辑存储方式。
数据的物理结构包括顺序存储的存储和链式存储的存储。
线性结构
数据结构的的逻辑结构分为线性结构和数据结构。线性结构是n个数据元素的有序(次序)集合。
线性结构是一个有序数据元素的集合,数据元素之间存在着“一对一”的线性关系的数据结构。通俗一点就是一个数据结构只有一个前置节点和一个后置节点得时候,就是线性数据结构。
非线性结构的逻辑特征是一个结点元素可能对应多个直接前驱和多个后继。通俗一点就是一个数据结构有多个前置节点和多个后置节点。
树形数据结构,就是由一个前置数据节点,多个后置节点。
图形数据结构,有多个前置节点和多个后置节点。
常用的线性结构有:线性表,栈,队列,双队列,数组,串。
常用的非线性结构有:二维数组,多维数组,广义表,树(二叉树),图。
例子:
传统文本(例如书籍中的文章和计算机的文本文件)都是线性结构,阅读是需要注意顺序阅读,而超文本则是一个非线性结构。在制作文本时,可将写作素材按内部联系划分成不同关系的单元,然后用制作工具将其组成一个网型结构。阅读时,不必按线性方式顺序往下读,而是有选择的阅读自己感兴趣的部分。
在超文本文件中,可以用一些单词,短语或图像作为连接点。这些连接点通常同其他颜色显示或加下划线来区分,这些形式的文件就成为超文本文件。通过非线性结构,可能实现页面任意跳转。
有一个以上根结点的数据结构一定是非线性结构。
python什么是数据结构_〖Python〗-- 数据结构相关推荐
- python多进程编程实例_[python] Python多进程编程技术实例分析
这篇文章主要介绍了Python多进程编程技术,包括了线程.队列.同步等概念及相关的技巧总结,需要的朋友可以参考下 本文以实例形式分析了Python多进程编程技术,有助于进一步Python程序设计技巧. ...
- python查看excel编码格式_[Python]实现处理读写xlsx xls excel文件格式(含中文处理方法)...
最近有个需求要处理excel 格式的数据,数据量比较大.用传统的语言似乎不太好处理,于是改用python实现,这里记录一下实现过程. 首先,科普一下xlsx xls的excel文件区别是什么. xls ...
- python快速爬虫视频_“python怎么快速爬虫视频“python 爬网页视频教程
用python怎样爬网页 # coding:utf8 import cookielib import urllib2 url = "http://blog.uouo123.com" ...
- python朋友圈刷屏_“Python太火了!请救救Java!”9万程序员刷屏朋友圈 !
没想到有生之年,笔者能观察到"霸主陨落"的过程,继PLPY4月榜单官宣,Python躺赢,再度"夺"冠,实力甩下Java和C后,近期,Stack Overflo ...
- python 打包 小文件_[Python][小知识][NO.5] 使用 Pyinstaller 打包成.exe文件
1.安装 pyinstaller 插件 cmd命令:pip install PyInstaller PS . o.o 不知道 easy_install 的百度吧. 2.pyinstaller 简介 他 ...
- python shell如何打开_“python shell怎么打开“python shell启动教程
python shell怎么打开 1.简介:如何在python中运行shell(bash命令) 2.工具/原料:python库:os.py 3.方法:import os command = 'date ...
- python输出文本居中_#python PIL ImageDraw text 文本居中#
python pip pil有什么东西 你所问的问题实是属1.先参考[教程]Python中的内置的和方的模块搞懂PIL是属于第三方Python模块2.再参考:[待完善][总结]Python安装第三方的 ...
- 数据结构与算法python语言描述答案_《数据结构与算法Python语言描述》习题第二章第一题(python版)...
1 #!/usr/bin/env python 2 #-*- coding:utf-8 -*- 3 4 """ 5 定义一个表示时间的类Time6 a)Time(hour ...
- python与js通用的数据结构_常见数据结构和Javascript实现总结
做前端的同学不少都是自学成才或者半路出家,计算机基础的知识比较薄弱,尤其是数据结构和算法这块,所以今天整理了一下常见的数据结构和对应的Javascript的实现,希望能帮助大家完善这方面的知识体系. ...
- python 数据挖掘 简书_[Python数据挖掘入门与实践]-第一章开启数据挖掘之旅
1.数据挖掘简介(略) 2.使用Python和IPython Notebook 2.1.安装Python 2.2.安装IPython 2.3.安装scikit-learn scikit-learn是用 ...
最新文章
- linux命令安装组件,Linux安装各种组件
- kubernetes Helm
- 埃及冒险java_我的世界1.7.10亚图姆探险整合包
- 自定义视图 视图控制器(UIViewController)
- Python【算法中心 01】Web框架Django入门(安装+项目创建+应用创建+服务启动)Python搭建算法中心后台实例分享
- QT的QActionGroup类的使用
- 下一代大数据即时分析架构--IOTA架构
- JSON (一) JSON语法和数据类型
- Activiti5第十一弹,流程监听器与任务监听器
- NSLog 打印出方法函数,行数,内容
- 字符串替换(NYOJ)
- 混合云架构下的安全风险分析和安全解决方案建议
- 以文会友,以书传情—山西省侨商联合会召开书画艺术委员会成立大会
- LaTeX数学公式 合集
- [Clickhouse 入门到精通]-单机安装部署
- 蓝桥杯第09届 2018年省赛C/C++大学生B组——试题8 日志统计
- 前端开发:Vue报错Avoid mutating a prop directly since the value will be…的解决方法
- Echarts3通过ajax动态获取数据,30秒定时图表数据,设置图表线条颜色和粗细
- UE5自定义编辑器Slate插件
- C语言编程年龄的立方是个四位数,C 程序设计 功能:求一个四位数的各位数字的立方和。...
热门文章
- git 冲突覆盖_git pull冲突解决之强制覆盖
- ios无痕埋点_移动端无痕埋点实践详解(二)
- php exec多条命令怎么拼接_PHP--手摸手,教你撸一个会自动补全的命令行工具1
- bash 脚本中激活conda环境_ubuntu18.10目标检测算法环境部署+开机自启动脚本创建screen下的web服务...
- matlab里面板有什么作用,MATLAB轻松享受GPU的强大功能
- SQL语言之DDL语言学习-----数据定义语言学习
- Ubuntu 20.04 E:无法找到软件包python-pip 安装python2.7
- 四种python 单继承的实现方式
- Python模块之间的相互引用问题
- 在python中如何有效的比较两个无序的列表是否包含完全同样的元素(不是set)?