算法数据结构02 /常用数据结构

Posted 2021-03-22 liubing8

目录

• 2算法数据结构02 /常用数据结构
  • 1. 栈
  • 2. 队列
  • 3. 双端队列
  • 4. 内存相关
  • 5. 顺序表
  • 6. 链表
  • 7. 二叉树

2算法数据结构02 /常用数据结构

1. 栈

• 特性：先进后出的数据结构，有栈顶和栈尾

• 应用场景：每个 web 浏览器都有一个返回按钮。浏览网页时，这些网页被放置在一个栈中（实际是网页的网址）。现在查看的网页在顶部，第一个查看的网页在底部。如果按‘返回’按钮，将按相反的顺序浏览刚才的页面。

• 栈的方法：

  Stack()：创建一个空的新栈。 它不需要参数，并返回一个空栈。
  push(item)：将一个新项添加到栈的顶部。它需要 item 做参数并不返回任何内容。
  pop()：从栈中删除顶部项。它不需要参数并返回 item 。栈被修改。
  peek()：从栈返回顶部项，但不会删除它。不需要参数。 不修改栈。
  isEmpty()：测试栈是否为空。不需要参数，并返回布尔值。
  size()：返回栈中的 item 数量。不需要参数，并返回一个整数。

• 列表实现一个栈

  class Stack():
      def __init__(self):
          self.items = []
      def push(self,item):
          """ 栈顶添加 """
          self.items.append(item)
      def pop(self):
          """ 栈顶删除 """
          return self.items.pop()
      def peek(self):
          """ 查看栈顶元素 """
          return self.items[-1]
      def isEmpty(self):
          """ 查看栈是否为空 """
          return self.items == []
      def size(self):
          """ 查看栈中元素个数 """
          return len(self.items)

2. 队列

• 特性：先进先出的数据结构

• 应用场景：计算机实验室有 30 台计算机与一台打印机联网。当学生想要打印时，他们的打印任务与正在等待的所有其他打印任务“一致”。第一个进入的任务是先完成。如果你是最后一个，你必须等待你前面的所有其他任务打印

• 队列的方法：

  Queue()：创建一个空的新队列。 它不需要参数，并返回一个空队列。
  enqueue(item)：将新项添加到队尾。 它需要 item 作为参数，并不返回任何内容。
  dequeue()：从队首移除项。它不需要参数并返回 item。 队列被修改。
  isEmpty()：查看队列是否为空。它不需要参数，并返回布尔值。
  size()：返回队列中的项数。它不需要参数，并返回一个整数。

• 列表实现一个队列

  class Queue():
      def __init__(self):
          self.items = []
      def enqueue(self,item):
          """ 队列尾部添加元素 """
          self.items.insert(0,item)
      def dequeue(self):
          """ 删除队列头部的元素 """
          return self.items.pop()
      def isEmpty(self):
          """ 查看队列是否为空 """
          return self.items == []
      def size(self):
          """ 查看队列中元素的个数 """
          return len(self.items)

• 队列应用示例：

  烫手的山芋
  1.烫手山芋游戏介绍：
  6个孩子围城一个圈，排列顺序孩子们自己指定。第一个孩子手里有一个烫手的山芋，需要在计时器计时1秒后将山芋传递给下一个孩子，依次类推。规则是，在计时器每计时7秒时，手里有山芋的孩子退出游戏。该游戏直到剩下一个孩子时结束，最后剩下的孩子获胜。请使用队列实现该游戏策略，排在第几个位置最终会获胜。
  2.提取有价值的信息：
  计时1s的时候山芋在第一个孩子手里面
  山芋会被1s传递一次
  7秒钟山芋被传递了6次
  准则：保证第一个（队头）孩子手里面永远要有山芋，山芋不动、人动

  kids = ['A','B','C','D','E','F']
  q = Queue()
  for kid in kids:
      q.enqueue(kid)
  while q.size() > 1:  # 当队列中孩子的个数大于1游戏继续否则游戏结束
      for i in range(1,7): # 山芋传递的次数
          kid = q.dequeue()  # 对头元素出队列再入队列
          q.enqueue(kid)
      q.dequeue()  # 一轮游戏结束后，将对头孩子淘汰（对头孩子手里永远有山芋）
  print(q.dequeue())

3. 双端队列

• 特性：同队列相比，有两个头部和尾部。可以在双端进行数据的插入和删除，提供了单数据结构中栈和队列的特性

• 双端队列的方法：

  Deque()：创建一个空的新 deque。它不需要参数，并返回空的 deque。
  addFront(item)：将一个新项添加到 deque 的首部。它需要 item 参数 并不返回任何内容。
  addRear(item)：将一个新项添加到 deque 的尾部。它需要 item 参数并不返回任何内容。
  removeFront()：从 deque 中删除首项。它不需要参数并返回 item。deque 被修改。
  removeRear()：从 deque 中删除尾项。它不需要参数并返回 item。deque 被修改。
  isEmpty()：测试 deque 是否为空。它不需要参数，并返回布尔值。
  size()：返回 deque 中的项数。它不需要参数，并返回一个整数。

• 列表实现双端队列

  class Deque:
      def __init__(self):
          self.items = []
      def addFront(self,item):
          """ 双端队列头部添加 """
          self.items.insert(0,item)
      def addRear(self,item):
          """ 双端队列尾部添加 """
          self.items.append(item)
      def removeFront(self):
          """ 双端队列头部删除 """
          return self.items.pop(0)
      def removeRear(self):
          """ 双端队列尾部删除 """
          return self.items.pop()
      def isEmpty(self):
          """ 查看双端队列是否为空 """
          return self.items == []
      def size(self):
          """ 查看双端队列元素的个数 """
          return len(self.items)

• 双端队列应用示例：判断一个字符串是否是回文

  deque = Deque()
  def huiwen(s):
      for i in s:
          deque.addFront(i)
      while deque.size() > 1:
          if deque.removeRear() != deque.removeFront():
              print('不是回文')
              return
      print('是回文')
  huiwen('12321')
  

4. 内存相关

• 形象化理解内存（内存的大小和地址）

  1.开辟好的内存空间会有两个默认的属性：大小，地址
  2.大小：衡量该块内存能够存储数据的大小
    - bit(位)：只可以存放一位二进制的数
    - byte（字节）：8bit
    - kb:1024byte
    - 10Mb:10*1024*1024*8
    - 作用：可以衡量该内存存储数据大小的范围
  3.地址：16进制的数表示
    - 作用：定位内存空间的位置
    - 变量/引用：内存空间的地址
  

• 变量的概念

  1.引用==变量，变量就是我们为存储数据单独开辟的内存空间。
  
  2.理解a=10的内存图（指向）
  如果一个变量表示的是某一块内存空间的地址，则该变量指向该块内存空间。
  如果一个变量指向了某一块内存空间，则该变量就可以代替/表示这块内存中存储的数值
  

• 不同数据占用内存空间的大小

  整数：4字节
  浮点型：float：4字节,double：8字节
  字符型（char）：1字节
  

5. 顺序表

• 顺序表的结构可以分为两种形式：单数据类型和多数据类型；python中的列表和元组就属于多数据类型的顺序表

• 单数据类型顺序表的内存图（内存连续开启），以数组为例：

  

• 多数据类型顺序表的内存图（内存非连续开辟），以列表为例：

  

• 顺序表的弊端

  顺序表的结构需要预先知道数据大小来申请连续的存储空间，而在进行扩充时又需要进行数据的搬迁。

6. 链表

• 链表简述：

  1.链表（Linked list）是一种常见的基础数据结构，是一种线性表，但是不像顺序表一样连续存储数据，而是每一个结点（数据存储单元）里存放下一个结点的信息（即地址）

  2.相对于顺序表，链表结构可以充分利用计算机内存空间，实现灵活的内存动态管理且进行扩充时不需要进行数据搬迁。

• 链表的方法：

  is_empty()：链表是否为空
  length()：链表长度
  travel()：遍历整个链表
  add(item)：链表头部添加元素
  append(item)：链表尾部添加元素
  insert(pos, item)：指定位置添加元素
  remove(item)：删除节点
  search(item)：查找节点是否存在
  

• 代码实现

  class Node():
      """ 初始化一个节点 """
      def __init__(self,item):
          self.item = item   # 存储数值数据
          self.next = None   # 存储下一个节点的地址
  
  class Link():
      """ 构建一个空链表 """
      def __init__(self)：
        self._head = None   # _head要指向第一个节点，如果没有节点则指向None
      def add(self,item):
          """ 链表头部添加元素 """
          node = Node(item)   # 1.创建一个新节点
          node.next = self._head   # 2.将创建新节点的next指向，指向原来的第一个节点
          self._head = node   # 3.将链表的_head指向新创建的节点
  
      def travel(self):
          """ 遍历链表 """
          # 在非空的链表中head永远要指向第一个节点的地址，永远不要修改它的指向，否则会造成数据的丢失
          cur = self.__head
          while cur:
              print(cur.item)
              cur = cur.next
  
       def is_empty(self):
          """ 判断链表是否为空 """
          return self._head == []
  
      def length(self):
          """ 查看链表的长度 """
          count = 0  # 记录节点的个数
          cur = self.__head
          while cur:
              count += 1
              cur = cur.next
          return count
  
       def append(self,item):
          """ 在链表的尾部添加元素 """
          node = Node(item)
          cur = self._head   # 当前结点
          pre = None    # 指向cur的前一个节点
          if self._head = None:  # 如果链表为空则需要单独处理
              self._head = node
              return
          while cur:
              pre = cur
              cur = cur.next  # 循环结束之后cur指向了None，pre指向了最后一个节点
          pre.next = node 
  
       def search(self,item):
          """ 在链表中查找元素 """
          cur = self._head
          find = False
          while cur:
              if cur.item == item:
                  find = True
                  break
              else:
                    cur = cur.next
          return find
  
      def insert(self,pos,item):
          """ 在链表中插入元素 """
          node = Node(item)
          cur = self._head
          pre = None
          # 如果插入的位置大于链表的长度，则默认插入到尾部
          if pos > self.items.length()-1:
              self.append(item)
              return
  
          for i in range(pos):
              pre = cur
              cur = cur.next
          pre.next = node
          node.next = cur
  
  
       def remove(self,item):
          """ 移除指定的元素 """
          cur = self._head
          pre = None
          if item == cur.item:
              self._head = cur.next
              return
  
          while cur:
              if cur.item != item:
                  pre = cur
                  cur = cur.next
              else:
                  break
          pre.next = cur.next
  

  链表结构内存图：

  

  链表头部添加（add）内存图：

  

  链表插入（insert）内存图：

  

7. 二叉树

• 二叉树概述：

  二叉树组成：根节点，叶子节点

  2.子树:左右叶子节点都有就是完整子树、只有单个的节点的就是不完整的子树

  3.结论：

  • 一个子树最少要包含一个根节点
  • 一个完整的二叉树是由多个子树构成
  • 一个子树的子节点也可以表示另一个子树的根节点

• 二叉树的遍历

  广度遍历：逐层遍历
  深度遍历：纵向遍历，前中后表示的是子树种根节点的位置
     一定要基于子树去遍历
     前序遍历：根左右
     中序遍历：左根右
     后序遍历：左右根
  
  为什么用深度遍历：要结合排序二叉树一起使用，深度遍历可以帮我们二叉树进行排序。
  

• 普通二叉树实现：

  class Node():
      def __init__(self,item):
          self.item = item
          self.left = None
          self.right = None
  
  class Tree():
      # 构建一棵空树
      def __init__(self):
          self.root = None
      def add(self,item):
          """ 插入节点 """
          if self.root == None:  # 向空树中插入第一个节点
              node = Node(item)
              self.root = node
              return
          else:  # 向非空的二叉树中插入一个节点
              node = Node(item)
              cur = self.root  # 防止根节点指向改变
              queue = [cur]
              while queue:
                  root = queue.pop(0)
                  if root.left != None:
                      queue.append(root.left)
                  else:
                      root.left = node
                      break
                  if root.right != None:
                      queue.append(root.right)
                  else:
                      root.right = node
                      break
  
      # 广度遍历
      def travel(self):
          """ 遍历二叉树 """
          cur = self.root
          queue = [cur]
          if self.root == None:
              print('')
              return
          while queue:
              root = queue.pop(0)
              print(root.item)
              if root.left != None:
                  queue.append(root.left)
              if root.right != None:
                  queue.append(root.right)
  
      # 深度遍历
      def forward(self,root):
          """ 前序遍历 """
          if root == None:
              return
          print(root.item)
          self.forward(root.left)
          self.forward(root.right)
      def middle(self,root):
          """ 中序遍历 """
          if root == None:
              return     
          self.middle(root.left)
          print(root.item)
          self.middle(root.right)
      def back(self,root):
          """ 后序遍历 """
          if root == None:
              return
          self.back(root.left)
          self.back(root.right)
          print(root.item)
  

• 排序二叉树实现：

  # 排序二叉树
  class SortTree():
      def __init__(self):
          self.root = None
      def add(self,item):
          node = Node(item)
          cur = self.root
          if self.root == None:
              self.root = node
              return
          while True:
              # 插入节点的值小于根节点的值，往根节点左侧插
              if node.item < cur.item:
                  if cur.left == None:
                      cur.left = node
                      break
                  else:
                      cur = cur.left
              else: # 插入节点的值大于根节点，往根节点右侧插
                  if cur.right == None:
                      cur.right = node
                      break 
                  else:
                      cur = cur.right
      def middle(self,root):
          """ 中序遍历 """
          if root == None:
              return     
          self.middle(root.left)
          print(root.item)
          self.middle(root.right)
  

  tree = SortTree()
  alist = [3,8,4,6,7,8]
  for i in alist:
      tree.add(i)
  tree.middle(tree.root)