Python3 数据结构

列表

Python中列表是可变的,这是它区别于字符串和元组的最重要的特点,一句话概括即:列表可以修改,而字符串和元组不能。

以下是 Python 中列表的方法:

方法 描述
list.append(x) 把一个元素添加到列表的结尾,相当于 a[len(a):] = [x]。
list.extend(L) 通过添加指定列表的所有元素来扩充列表,相当于 a[len(a):] = L。
list.insert(i, x) 在指定位置插入一个元素。第一个参数是准备插入到其前面的那个元素的索引,例如 a.insert(0, x) 会插入到整个列表之前,而 a.insert(len(a), x) 相当于 a.append(x) 。
list.remove(x) 删除列表中值为 x 的第一个元素。如果没有这样的元素,就会返回一个错误。
list.pop([i]) 从列表的指定位置移除元素,并将其返回。如果没有指定索引,a.pop()返回最后一个元素。元素随即从列表中被移除。(方法中 i 两边的方括号表示这个参数是可选的,而不是要求你输入一对方括号,你会经常在 Python 库参考手册中遇到这样的标记。)
list.clear() 移除列表中的所有项,等于del a[:]。
list.index(x) 返回列表中第一个值为 x 的元素的索引。如果没有匹配的元素就会返回一个错误。
list.count(x) 返回 x 在列表中出现的次数。
list.sort() 对列表中的元素进行排序。
list.reverse() 倒排列表中的元素。
list.copy() 返回列表的浅复制,等于a[:]。

下面示例演示了列表的大部分方法:

实例

\>>> a \= \[66.25, 333, 333, 1, 1234.5\]  
\>>> print(a.count(333), a.count(66.25), a.count('x'))  
2 1 0  
\>>> a.insert(2, -1)  
\>>> a.append(333)  
\>>> a  
\[66.25, 333, -1, 333, 1, 1234.5, 333\]  
\>>> a.index(333)  
1  
\>>> a.remove(333)  
\>>> a  
\[66.25, -1, 333, 1, 1234.5, 333\]  
\>>> a.reverse()  
\>>> a  
\[333, 1234.5, 1, 333, -1, 66.25\]  
\>>> a.sort()  
\>>> a  
\[\-1, 1, 66.25, 333, 333, 1234.5\]  

注意:类似 insert, remove 或 sort 等修改列表的方法没有返回值。


将列表当做栈使用

在 Python 中,可以使用列表(list)来实现栈的功能。栈是一种后进先出(LIFO, Last-In-First-Out)数据结构,意味着最后添加的元素最先被移除。列表提供了一些方法,使其非常适合用于栈操作,特别是 append()pop() 方法。

用 append() 方法可以把一个元素添加到栈顶,用不指定索引的 pop() 方法可以把一个元素从栈顶释放出来。

栈操作

  • 压入(Push): 将一个元素添加到栈的顶端。
  • 弹出(Pop): 移除并返回栈顶元素。
  • 查看栈顶元素(Peek/Top): 返回栈顶元素而不移除它。
  • 检查是否为空(IsEmpty): 检查栈是否为空。
  • 获取栈的大小(Size): 获取栈中元素的数量。

以下是如何在 Python 中使用列表实现这些操作的详细说明:

1、创建一个空栈

2、压入(Push)操作

使用 append() 方法将元素添加到栈的顶端:

实例

stack.append(1)  
stack.append(2)  
stack.append(3)  
print(stack)  \# 输出: \[1, 2, 3\]  

3、弹出(Pop)操作

使用 pop() 方法移除并返回栈顶元素:

实例

top\_element \= stack.pop()  
print(top\_element)  \# 输出: 3  
print(stack)        \# 输出: \[1, 2\]  

4、查看栈顶元素(Peek/Top)

直接访问列表的最后一个元素(不移除):

实例

top\_element \= stack\[\-1\]  
print(top\_element)  \# 输出: 2  

5、检查是否为空(IsEmpty)

检查列表是否为空:

实例

is\_empty \= len(stack) \== 0  
print(is\_empty)  \# 输出: False  

6、获取栈的大小(Size)

使用 len() 函数获取栈中元素的数量:

实例

size \= len(stack)  
print(size)  \# 输出: 2  

实例

以下是一个完整的实例,展示了如何使用上述操作来实现一个简单的栈:

class Stack:  
    def \_\_init\_\_(self):  
        self.stack \= \[\]

def push(self, item):  
    self.stack.append(item)

def pop(self):  
    if not self.is\_empty():  
        return self.stack.pop()  
    else:  
        raise IndexError("pop from empty stack")

def peek(self):  
    if not self.is\_empty():  
        return self.stack\[\-1\]  
    else:  
        raise IndexError("peek from empty stack")

def is\_empty(self):  
    return len(self.stack) \== 0

def size(self):  
    return len(self.stack)

使用示例

stack \= Stack()  
stack.push(1)  
stack.push(2)  
stack.push(3)

print("栈顶元素:", stack.peek())  \# 输出: 栈顶元素: 3  
print("栈大小:", stack.size())    \# 输出: 栈大小: 3

print("弹出元素:", stack.pop())  \# 输出: 弹出元素: 3  
print("栈是否为空:", stack.is\_empty())  \# 输出: 栈是否为空: False  
print("栈大小:", stack.size())    \# 输出: 栈大小: 2

以上代码中,我们定义了一个 Stack 类,封装了列表作为底层数据结构,并实现了栈的基本操作。

输出结果如下:

<span>栈顶元素:</span><span> </span><span>3</span><span>
</span><span>栈大小:</span><span> </span><span>3</span><span>
</span><span>弹出元素:</span><span> </span><span>3</span><span>
</span><span>栈是否为空:</span><span> </span><span>False</span><span>
</span><span>栈大小:</span><span> </span><span>2</span>

将列表当作队列使用

在 Python 中,列表(list)可以用作队列(queue),但由于列表的特点,直接使用列表来实现队列并不是最优的选择。

队列是一种先进先出(FIFO, First-In-First-Out)的数据结构,意味着最早添加的元素最先被移除。

使用列表时,如果频繁地在列表的开头插入或删除元素,性能会受到影响,因为这些操作的时间复杂度是 O(n)。为了解决这个问题,Python 提供了 collections.deque,它是双端队列,可以在两端高效地添加和删除元素。

使用 collections.deque 实现队列

collections.deque 是 Python 标准库的一部分,非常适合用于实现队列。

以下是使用 deque 实现队列的示例:

实例

from collections import deque

\# 创建一个空队列  
queue \= deque()

\# 向队尾添加元素  
queue.append('a')  
queue.append('b')  
queue.append('c')

print("队列状态:", queue)  \# 输出: 队列状态: deque(\['a', 'b', 'c'\])

\# 从队首移除元素  
first\_element \= queue.popleft()  
print("移除的元素:", first\_element)  \# 输出: 移除的元素: a  
print("队列状态:", queue)            \# 输出: 队列状态: deque(\['b', 'c'\])

\# 查看队首元素(不移除)  
front\_element \= queue\[0\]  
print("队首元素:", front\_element)    \# 输出: 队首元素: b

\# 检查队列是否为空  
is\_empty \= len(queue) \== 0  
print("队列是否为空:", is\_empty)     \# 输出: 队列是否为空: False

\# 获取队列大小  
size \= len(queue)  
print("队列大小:", size)            \# 输出: 队列大小: 2

使用列表实现队列

虽然 deque更高效,但如果坚持使用列表来实现队列,也可以这么做。以下是如何使用列表实现队列的示例:

1. 创建队列

2. 向队尾添加元素

使用 append() 方法将元素添加到队尾:

实例

queue.append('a')  
queue.append('b')  
queue.append('c')  
print("队列状态:", queue)  \# 输出: 队列状态: \['a', 'b', 'c'\]  

3. 从队首移除元素

使用 pop(0) 方法从队首移除元素:

实例

first\_element \= queue.pop(0)  
print("移除的元素:", first\_element)  \# 输出: 移除的元素: a  
print("队列状态:", queue)            \# 输出: 队列状态: \['b', 'c'\]  

4. 查看队首元素(不移除)

直接访问列表的第一个元素:

实例

front\_element \= queue\[0\]  
print("队首元素:", front\_element)    \# 输出: 队首元素: b  

5. 检查队列是否为空

检查列表是否为空:

实例

is\_empty \= len(queue) \== 0  
print("队列是否为空:", is\_empty)     \# 输出: 队列是否为空: False  

6. 获取队列大小

使用 len() 函数获取队列的大小:

实例

size \= len(queue)  
print("队列大小:", size)            \# 输出: 队列大小: 2  

实例(使用列表实现队列)

实例

class Queue:  
    def \_\_init\_\_(self):  
        self.queue \= \[\]

    def enqueue(self, item):  
        self.queue.append(item)

    def dequeue(self):  
        if not self.is\_empty():  
            return self.queue.pop(0)  
        else:  
            raise IndexError("dequeue from empty queue")

    def peek(self):  
        if not self.is\_empty():  
            return self.queue\[0\]  
        else:  
            raise IndexError("peek from empty queue")

    def is\_empty(self):  
        return len(self.queue) \== 0

    def size(self):  
        return len(self.queue)

\# 使用示例  
queue \= Queue()  
queue.enqueue('a')  
queue.enqueue('b')  
queue.enqueue('c')

print("队首元素:", queue.peek())    \# 输出: 队首元素: a  
print("队列大小:", queue.size())    \# 输出: 队列大小: 3

print("移除的元素:", queue.dequeue())  \# 输出: 移除的元素: a  
print("队列是否为空:", queue.is\_empty())  \# 输出: 队列是否为空: False  
print("队列大小:", queue.size())    \# 输出: 队列大小: 2

虽然可以使用列表来实现队列,但使用 collections.deque 会更高效和简洁。它提供了 O(1) 时间复杂度的添加和删除操作,非常适合队列这种数据结构。


列表推导式

列表推导式提供了从序列创建列表的简单途径。通常应用程序将一些操作应用于某个序列的每个元素,用其获得的结果作为生成新列表的元素,或者根据确定的判定条件创建子序列。

每个列表推导式都在 for 之后跟一个表达式,然后有零到多个 for 或 if 子句。返回结果是一个根据表达从其后的 for 和 if 上下文环境中生成出来的列表。如果希望表达式推导出一个元组,就必须使用括号。

这里我们将列表中每个数值乘三,获得一个新的列表:

>>> vec = [2, 4, 6]

>>> [3*x for x in vec]

[6, 12, 18]

现在我们玩一点小花样:

>>> [[x, x**2] for x in vec]

[[2, 4], [4, 16], [6, 36]]

这里我们对序列里每一个元素逐个调用某方法:

实例

\>>> freshfruit \= \['  banana', '  loganberry ', 'passion fruit  '\]  
\>>> \[weapon.strip() for weapon in freshfruit\]  
\['banana', 'loganberry', 'passion fruit'\]  

我们可以用 if 子句作为过滤器:

\>>> \[3\*x for x in vec if x \> 3\]  
\[12, 18\]  
\>>> \[3\*x for x in vec if x < 2\]  
\[\]  

以下是一些关于循环和其它技巧的演示:

\>>> vec1 \= \[2, 4, 6\]  
\>>> vec2 \= \[4, 3, -9\]  
\>>> \[x\*y for x in vec1 for y in vec2\]  
\[8, 6, -18, 16, 12, -36, 24, 18, -54\]  
\>>> \[x+y for x in vec1 for y in vec2\]  
\[6, 5, -7, 8, 7, -5, 10, 9, -3\]  
\>>> \[vec1\[i\]\*vec2\[i\] for i in range(len(vec1))\]  
\[8, 12, -54\]  

列表推导式可以使用复杂表达式或嵌套函数:

\>>> \[str(round(355/113, i)) for i in range(1, 6)\]  
\['3.1', '3.14', '3.142', '3.1416', '3.14159'\]  

嵌套列表解析

Python的列表还可以嵌套。

以下实例展示了3X4的矩阵列表:

\>>> matrix \= \[  
...     \[1, 2, 3, 4\],  
...     \[5, 6, 7, 8\],  
...     \[9, 10, 11, 12\],  
... \]  

以下实例将3X4的矩阵列表转换为4X3列表:

\>>> \[\[row\[i\] for row in matrix\] for i in range(4)\]  
\[\[1, 5, 9\], \[2, 6, 10\], \[3, 7, 11\], \[4, 8, 12\]\]  

以上实例也可以使用以下方法来实现:

\>>> transposed \= \[\]  
\>>> for i in range(4):  
...     transposed.append(\[row\[i\] for row in matrix\])  
...  
\>>> transposed  
\[\[1, 5, 9\], \[2, 6, 10\], \[3, 7, 11\], \[4, 8, 12\]\]  

另外一种实现方法:

\>>> transposed \= \[\]  
\>>> for i in range(4):  
...     \# the following 3 lines implement the nested listcomp  
...     transposed\_row \= \[\]  
...     for row in matrix:  
...         transposed\_row.append(row\[i\])  
...     transposed.append(transposed\_row)  
...  
\>>> transposed  
\[\[1, 5, 9\], \[2, 6, 10\], \[3, 7, 11\], \[4, 8, 12\]\]  

del 语句

使用 del 语句可以从一个列表中根据索引来删除一个元素,而不是值来删除元素。这与使用 pop() 返回一个值不同。可以用 del 语句从列表中删除一个切割,或清空整个列表(我们以前介绍的方法是给该切割赋一个空列表)。例如:

\>>> a \= \[\-1, 1, 66.25, 333, 333, 1234.5\]  
\>>> del a\[0\]  
\>>> a  
\[1, 66.25, 333, 333, 1234.5\]  
\>>> del a\[2:4\]  
\>>> a  
\[1, 66.25, 1234.5\]  
\>>> del a\[:\]  
\>>> a  
\[\]  

也可以用 del 删除实体变量:

<span>&gt;&gt;&gt;</span><span> </span><span>del</span><span> a</span>

元组和序列

元组由若干逗号分隔的值组成,例如:

\>>> t \= 12345, 54321, 'hello!'  
\>>> t\[0\]  
12345  
\>>> t  
(12345, 54321, 'hello!')  
\>>> \# Tuples may be nested:  
... u \= t, (1, 2, 3, 4, 5)  
\>>> u  
((12345, 54321, 'hello!'), (1, 2, 3, 4, 5))  

如你所见,元组在输出时总是有括号的,以便于正确表达嵌套结构。在输入时可能有或没有括号, 不过括号通常是必须的(如果元组是更大的表达式的一部分)。


集合

集合是一个无序不重复元素的集。基本功能包括关系测试和消除重复元素。

可以用大括号({})创建集合。注意:如果要创建一个空集合,你必须用 set() 而不是 {} ;后者创建一个空的字典,下一节我们会介绍这个数据结构。

以下是一个简单的演示:

\>>> basket \= {'apple', 'orange', 'apple', 'pear', 'orange', 'banana'}  
\>>> print(basket)                      \# 删除重复的  
{'orange', 'banana', 'pear', 'apple'}  
\>>> 'orange' in basket                 \# 检测成员  
True  
\>>> 'crabgrass' in basket  
False

\>>> \# 以下演示了两个集合的操作  
...  
\>>> a \= set('abracadabra')  
\>>> b \= set('alacazam')  
\>>> a                                  \# a 中唯一的字母  
{'a', 'r', 'b', 'c', 'd'}  
\>>> a - b                              \# 在 a 中的字母,但不在 b 中  
{'r', 'd', 'b'}  
\>>> a | b                              \# 在 a 或 b 中的字母  
{'a', 'c', 'r', 'd', 'b', 'm', 'z', 'l'}  
\>>> a & b                              \# 在 a 和 b 中都有的字母  
{'a', 'c'}  
\>>> a ^ b                              \# 在 a 或 b 中的字母,但不同时在 a 和 b 中  
{'r', 'd', 'b', 'm', 'z', 'l'}

集合也支持推导式:

\>>> a \= {x for x in 'abracadabra' if x not in 'abc'}  
\>>> a  
{'r', 'd'}  

字典

另一个非常有用的 Python 内建数据类型是字典。

序列是以连续的整数为索引,与此不同的是,字典以关键字为索引,关键字可以是任意不可变类型,通常用字符串或数值。

理解字典的最佳方式是把它看做无序的键=>值对集合。在同一个字典之内,关键字必须是互不相同。

一对大括号创建一个空的字典:{}。

这是一个字典运用的简单例子:

\>>> tel \= {'jack': 4098, 'sape': 4139}  
\>>> tel\['guido'\] \= 4127  
\>>> tel  
{'sape': 4139, 'guido': 4127, 'jack': 4098}  
\>>> tel\['jack'\]  
4098  
\>>> del tel\['sape'\]  
\>>> tel\['irv'\] \= 4127  
\>>> tel  
{'guido': 4127, 'irv': 4127, 'jack': 4098}  
\>>> list(tel.keys())  
\['irv', 'guido', 'jack'\]  
\>>> sorted(tel.keys())  
\['guido', 'irv', 'jack'\]  
\>>> 'guido' in tel  
True  
\>>> 'jack' not in tel  
False  

构造函数 dict() 直接从键值对元组列表中构建字典。如果有固定的模式,列表推导式指定特定的键值对:

\>>> dict(\[('sape', 4139), ('guido', 4127), ('jack', 4098)\])  
{'sape': 4139, 'jack': 4098, 'guido': 4127}  

此外,字典推导可以用来创建任意键和值的表达式词典:

\>>> {x: x\*\*2 for x in (2, 4, 6)}  
{2: 4, 4: 16, 6: 36}  

如果关键字只是简单的字符串,使用关键字参数指定键值对有时候更方便:

\>>> dict(sape\=4139, guido\=4127, jack\=4098)  
{'sape': 4139, 'jack': 4098, 'guido': 4127}  

遍历技巧

在字典中遍历时,关键字和对应的值可以使用 items() 方法同时解读出来:

\>>> knights \= {'gallahad': 'the pure', 'robin': 'the brave'}  
\>>> for k, v in knights.items():  
...     print(k, v)  
...  
gallahad the pure  
robin the brave  

在序列中遍历时,索引位置和对应值可以使用 enumerate() 函数同时得到:

\>>> for i, v in enumerate(\['tic', 'tac', 'toe'\]):  
...     print(i, v)  
...  
0 tic  
1 tac  
2 toe  

同时遍历两个或更多的序列,可以使用 zip() 组合:

\>>> questions \= \['name', 'quest', 'favorite color'\]  
\>>> answers \= \['lancelot', 'the holy grail', 'blue'\]  
\>>> for q, a in zip(questions, answers):  
...     print('What is your {0}?  It is {1}.'.format(q, a))  
...  
What is your name?  It is lancelot.  
What is your quest?  It is the holy grail.  
What is your favorite color?  It is blue.  

要反向遍历一个序列,首先指定这个序列,然后调用 reversed() 函数:

\>>> for i in reversed(range(1, 10, 2)):  
...     print(i)  
...  
9  
7  
5  
3  
1  

要按顺序遍历一个序列,使用 sorted() 函数返回一个已排序的序列,并不修改原值:

\>>> basket \= \['apple', 'orange', 'apple', 'pear', 'orange', 'banana'\]  
\>>> for f in sorted(set(basket)):  
...     print(f)  
...  
apple  
banana  
orange  
pear  
相关推荐
小二·12 分钟前
java基础面试题笔记(基础篇)
java·笔记·python
搬砖的小码农_Sky1 小时前
C语言:数组
c语言·数据结构
小喵要摸鱼2 小时前
Python 神经网络项目常用语法
python
先鱼鲨生3 小时前
数据结构——栈、队列
数据结构
一念之坤3 小时前
零基础学Python之数据结构 -- 01篇
数据结构·python
IT 青年3 小时前
数据结构 (1)基本概念和术语
数据结构·算法
熬夜学编程的小王3 小时前
【初阶数据结构篇】双向链表的实现(赋源码)
数据结构·c++·链表·双向链表
wxl7812273 小时前
如何使用本地大模型做数据分析
python·数据挖掘·数据分析·代码解释器
NoneCoder3 小时前
Python入门(12)--数据处理
开发语言·python
liujjjiyun4 小时前
小R的随机播放顺序
数据结构·c++·算法