【python与数据结构】（leetcode算法预备知识）

news2024/11/29 4:26:08

笔记为自我总结整理的学习笔记，若有错误欢迎指出哟~

python与数据结构

  • Python 中常见的数据类型
  • 数据结构
    • 1.数组（Array）
    • 2.链表（Linked List）
    • 3.哈希表（Hash Table）
    • 4.队列（Queue）
      • list
      • deque(类似双端队列)
    • 5.栈（Stack）
      • list
      • deque
    • 6.堆（Heep）
    • 7.树（Tree）
  • 数据类型常见操作
    • 1.数字类型
    • 2.布尔类型
    • 3.字符串类型
    • 4.列表类型
    • 5.元组类型
    • 6.集合类型
    • 7.字典类型

Python 中常见的数据类型

1.数字类型：

  • 整数（int）：表示整数值，例如 1、-5、100。
  • 浮点数（float）：表示带有小数部分的数字，例如 3.14、-0.5、2.0。
  • 复数（complex）：表示实部和虚部的复数，例如 2+3j。

2.布尔类型（bool）：

  • 表示真（True）或假（False）的逻辑值。

3.字符串类型（str）：

  • 表示文本数据，使用单引号或双引号括起来，例如 ‘Hello’、“World”。

4.列表类型（list）：

  • 表示有序的可变序列，可以包含不同类型的元素，使用方括号括起来，例如 [1, 2, ‘a’, True]。

5.元组类型（tuple）：

  • 类似于列表，但是不可变，使用圆括号括起来，例如 (1, 2, ‘a’, True)。

6.集合类型（set）：

  • 表示无序且唯一的元素集合，使用花括号括起来，例如 {1, 2, 3}。

7.字典类型（dict）：

  • 表示键值对的映射关系，使用花括号括起来，例如 {‘name’: ‘Alice’, ‘age’: 25}。

数据结构

1.数组（Array）

列表类型（list）

2.链表（Linked List）

在这里插入图片描述

class ListNode:
	def __init__(self,x):
		self.val = x
		self.next = None

3.哈希表（Hash Table）

字典类型（dict）

4.队列（Queue）

在这里插入图片描述

list

进队：append()

出队：pop(0)

l = [1,2,3,4,5]

l.append(6)
l
#[1, 2, 3, 4, 5, 6]

l.pop(0)
l
#[2, 3, 4, 5, 6]

deque(类似双端队列)

deque 是 Python 中的一个内置模块 collections 中的类，用于实现双端队列（double-ended queue）。双端队列是一种具有队列和栈特性的数据结构，支持在两端进行插入和删除操作。

deque 提供了以下常用操作：

  1. 创建双端队列：
    • 使用 deque() 函数创建一个空的双端队列。
    • 例如：from collections import deque，d = deque()。
  2. 在队列两端插入元素：
    • 使用 append(item) 在队列的右端插入一个元素。
    • 使用 appendleft(item) 在队列的左端插入一个元素。
    • 例如：d.append(1)，d.appendleft(2)。
  3. 在队列两端删除元素：
    • 使用 pop() 删除并返回队列右端的元素。
    • 使用 popleft() 删除并返回队列左端的元素。
    • 例如：d.pop()，d.popleft()。
  4. 访问队列两端的元素：
    • 使用 [-1] 索引访问队列右端的元素。
    • 使用 [0] 索引访问队列左端的元素。
    • 例如：d[-1]，d[0]。
  5. 获取队列长度：
    • 使用 len(d) 获取队列中的元素个数。
  6. 判断队列是否为空：
    • 使用 not d 或 len(d) == 0 判断队列是否为空。

deque 还支持其他一些方法，如旋转队列、计数元素出现次数、反转队列等。双端队列在实际应用中常用于需要高效地在两端进行插入和删除操作的场景，比如实现缓存、任务调度等。

右进：append()

右出：pop()

左进：appendleft()

左出：popleft()

from collections import deque
q = deque([1,2,3])

q.append(4)
q
#deque([1, 2, 3, 4])

q.pop()
q
#deque([1, 2, 3])

q.appendleft(4)
q
#deque([4, 1, 2, 3])

q.popleft()
q
#deque([1, 2, 3])

使用：先进后出

#使用方法1：队头<---   队列   <---队尾
#append()	队尾
#popleft()	队头

from collections import deque
q = deque([1,2,3])

q.append(4)
q
#deque([1, 2, 3, 4])

q.popleft()
q
#deque([2, 3, 4])

#使用方法2：队尾--->   队列   --->队头
#appendleft()	队尾
#pop()	队头

from collections import deque
q = deque([1,2,3])

q.appendleft(4)
q
#deque([4, 1, 2, 3])

q.pop()
q
#deque([4, 1, 2])

5.栈（Stack）

在这里插入图片描述

list

进栈：append()

出栈：pop()

l = [1,2,3,4,5]

l.append(6)
l
#[1, 2, 3, 4, 5, 6]

l.pop()
l
#[1, 2, 3, 4, 5]

deque

右进：append()

右出：pop()

左进：appendleft()

左出：popleft()

使用：先进先出，后进后出

6.堆（Heep）

在这里插入图片描述
heapq 是 Python 中的一个内置模块，提供了堆（heap）算法的实现。堆是一种特殊的树形数据结构，满足以下性质：

  • 堆是一棵完全二叉树；
  • 堆中的每个节点都必须大于等于（或小于等于）其子节点。

Python 中的 heapq 模块提供了以下常用函数：

  1. heapify(iterable)：
    • 将一个可迭代对象转化为堆，时间复杂度为O*(*n)。
    • 例如：heapq.heapify([3, 1, 4, 1, 5, 9])。
  2. heappush(heap, item)：
    • 将一个元素加入堆中，时间复杂度为 O(logn)。
    • 例如：heapq.heappush([3, 1, 4, 1, 5, 9], 2)。
  3. heappop(heap)：
    • 弹出堆中最小的元素，时间复杂度为 O(logn)。
    • 例如：heapq.heappop([1, 1, 3, 4, 5, 9])。
  4. heapreplace(heap, item)：
    • 弹出堆中最小的元素，并将新元素加入堆中，时间复杂度为 O*(*logn)。
    • 例如：heapq.heapreplace([1, 1, 3, 4, 5, 9], 2)。
  5. nlargest(n, iterable[, key])：
    • 返回可迭代对象中最大的 n 个元素，时间复杂度为 O*(*nlogk)，其中 k=min(n,len(iterable))。
    • 例如：heapq.nlargest(3, [1, 2, 3, 4, 5, 6, 7, 8, 9])。
  6. nsmallest(n, iterable[, key])：
    • 返回可迭代对象中最小的 n 个元素，时间复杂度为 O*(*nlogk)，其中 k=min(n,len(iterable))。
    • 例如：heapq.nsmallest(3, [9, 8, 7, 6, 5, 4, 3, 2, 1])。

heapq 模块可以用于实现堆排序、优先队列等算法，同时也可以用于解决一些常见的算法问题，如求 top-k 问题、求中位数等。在使用 heapq 模块时，需要注意元素的比较方式，可以通过传递 key 参数来指定比较函数。

from heapq import * 

a = [1,2,3,4,5]
heapify(a)
a
#[1, 2, 3, 4, 5]

heappush(a,-1)
a
#[-1, 2, 1, 4, 5, 3]

heappop(a)
a
#[1, 2, 3, 4, 5]

nlargest(3,a)
#[5, 4, 3]

nsmallest(3,a)
#[1, 2, 3]

7.树（Tree）

在这里插入图片描述

数据类型常见操作

1.数字类型

  • abs()：绝对值
  • max()/min()：最大值/最小值
  • pow(x,y)：xy
  • sqrt(x)：根号x
abs(-5)
#5

max(1,3,6)
#6

min(1,-1,4)
#-1

pow(3,3)
#27

import math
math.sqrt(9)
#3.0

2.布尔类型

bool(0)
#False

bool(2)
#True

bool(-1)
#True

3.字符串类型

  • len(s)：字符串长度，空格也算
  • max(s)：最大字符
  • max(s)：最小字符
  • s.count(‘H’)：统计H的个数
  • s.isupper()：是否为大写
  • s.islower()：是否为小写
  • s.isdigit()：是否为数字
  • s.lower()：转换为小写
  • s.upper()：转换为大写
  • s.swapcase()：大小写转换
  • s.split()：分割字符串
s="Hello world"

len(s)
#11

max(s)
#'w'

s.count("l")
#3

s.isupper()
#False

s.islower()
#False

s.isdigit()
#False

s.lower()
#'hello world'

s.upper()
#'HELLO WORLD'

s.swapcase()
#'hELLO WORLD'

s.split()
#['Hello', 'world']
  • s.strip()：去除两边字符串
  • s.lstrip()：去除左边字符串
  • s.rstrip()：去除右边字符串
  • s.replace()：交换字符串。

注意：strip()不能去除字符串中间的空格，去除中间空格用replace()

a='   hello world   '
a.strip()
#'hello world'

a.lstrip()
#'hello world   '

a.rstrip()
#'   hello world'

a.replace(' ','')
#'helloworld'

4.列表类型

a = [1,54,2,22,4]
  • 增加
    • a.append(元素)
    • a.insert(位置,元素)
a.append(25)
a
#[1, 54, 2, 22, 4, 25]

a.insert(0,2)
a
#[2, 1, 54, 2, 22, 4, 25]
  • 更新
    • a[位置]=元素
a[0]=3
a
#[3, 1, 54, 2, 22, 4, 25]
  • 删除
    • a.pop(位置) 默认最后元素
    • a.remove(元素)
a.pop()
#25

a.remove(3)
a
#[1, 54, 2, 22, 4]

  • 遍历

    • for x in a:

      ​ print(x)

    • for i in range(len(a)):

      ​ print(a[i])

    • b=[x**2 for x in a]:

      ​ print(x)

for x in a:
    print(x)
'''
1
54
2
22
4
'''

for i in range(len(a)):
    print(a[i])
'''
1
54
2
22
4
'''

b=[x**2 for x in a]
b
#[1, 2916, 4, 484, 16]
  • len(l)：列表长度
  • max(l)：最大元素，列表为同一类型
  • max(l)：最小元素，列表为同一类型
  • l.reverse()：翻转
  • l.sort(reverse = True) ：降序排序
  • in：元素是否再列表
  • 切片
  • l.clear()：清空列表
l=[1,2,3,4,5,6]
len(l)
#6

max(l)
#6

min(l)
#1

l.reverse()
l
#[6, 5, 4, 3, 2, 1]

l.sort(reverse = False) #降序
l
#[1, 2, 3, 4, 5, 6]

4 in l
#True

l[0:2]
#[1, 2]

l.clear()
l
#[]

5.元组类型

a=(1,1.5,'abc')
  • 查找
a[0]
#1

a[2]
#'abc'
  • len(a)
  • in
  • 切片
len(a)
#3

1 in a
#True

a[0:2]
#(1, 1.5)

6.集合类型

  • 增加
    • a.add()
    • a.update()
  • 删除
    • a.remove()
a={1,1.5,'abc'}
a.add(2)
a
#{1, 1.5, 2, 'abc'}

a.update({4,5})
a
#{1, 1.5, 2, 4, 5, 'abc'}

a.remove(1.5)
a
#{1, 2, 4, 5, 'abc'}
  • in
  • 集合间的操作
    • a-b：a有b没有
    • a|b：a有或b有
    • a&b：a、b都有
    • a^b：a、b不同时有
a={1,2,3}
b={3,4,5}

a-b
#{1, 2}

a|b
#{1, 2, 3, 4, 5}

a&b
#{3}

a^b
#{1, 2, 4, 5}

7.字典类型

  • 增/改
    • dict[key]=value
  • 删
    • dict.pop(key)
  • in
    • key in dict
s = {'age':18,'name':'小明'}

s['age']=19
s
#{'age': 19, 'name': '小明'}

s['city']='长沙'
s
#{'age': 19, 'name': '小明', 'city': '长沙'}

s.pop('city')
s
#{'age': 19, 'name': '小明'}

'age' in s
#True
  • 遍历
    • key
    • value
    • k,v
for key in s:
    print(key)
#age
#name

for value in s.values():
    print(value)
#19
#小明

for k,v in s.items():
    print(k,v)
#age 19
#name 小明

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/1145762.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

7.多线程之单例模式

7.多线程之单例模式

单例模式 文章目录 单例模式1. 什么是单例模式2. 饿汉模式3. 懒汉模式3.1 单线程版&#xff1a;3.2 多线程版 1. 什么是单例模式 单例模式是一种设计模式&#xff0c;常见的设计模式还有工厂模式、建造者模式等。 设计模式是一套被反复使用、多数人知晓的、经过分类编目的、代码…
阅读更多...
Java练习题2022-1

Java练习题2022-1

HashSet是Java中常用的Set集合&#xff0c;向HashSet集合中添加数据对象时&#xff0c;首先会调用对象的hashCode()方法获取哈希码&#xff0c;根据哈希码计算对象的存储位置&#xff0c;如果相应位置上已经有数据对象&#xff0c;则会调用对象的equals()方法判断新加入的对象与…
阅读更多...
【HarmonyOS】鸿蒙操作系统架构

【HarmonyOS】鸿蒙操作系统架构

HarmonyOS架构 一. 鸿蒙系统定位二. 架构整体遵从分层设计三. HarmonyOS具有的技术特性四. HarmonyOS有三大特征 其它相关推荐&#xff1a; 软考系统架构之案例篇(架构设计相关概念) 系统架构之微服务架构 系统架构设计之微内核架构 所属专栏&#xff1a;系统架构设计师 一. 鸿…
阅读更多...
分类预测 | Matlab实现KOA-CNN-LSTM-selfAttention多特征分类预测

分类预测 | Matlab实现KOA-CNN-LSTM-selfAttention多特征分类预测

分类预测 | Matlab实现KOA-CNN-LSTM-selfAttention多特征分类预测 目录 分类预测 | Matlab实现KOA-CNN-LSTM-selfAttention多特征分类预测分类效果基本描述程序设计参考资料 分类效果 基本描述 1.Matlab实现KOA-CNN-LSTM-selfAttention开普勒算法优化卷积长短期记忆神经网络融合…
阅读更多...
Camtasia Mac 2023版怎么给视频加字幕

Camtasia Mac 2023版怎么给视频加字幕

在视频制作过程中&#xff0c;字幕和马赛克是两项非常常用的编辑功能&#xff0c;添加字幕可以提高观众的观看体验&#xff0c;添加马赛克可以保护视频创作者不想公开的画面内容。Camtasia作为一款知名的视频制作软件&#xff0c;在具备基本的录制和视频编辑功能的同时&#xf…
阅读更多...
Python运维学习Day01-文件基本操作

Python运维学习Day01-文件基本操作

这里写自定义目录标题 1.遍历目录下所有的文件1.1 这里主要利用os.walk 函数的功能 2. 计算文件的 MD5 值3. 我们组合下两个函数&#xff0c;遍历下某个文件夹下的文件的md5码 1.遍历目录下所有的文件 def getFileName(directory):file_list []for dir_name, sub_dir,file_na…
阅读更多...
CC002:ContextCapture倾斜摄影建模流程

CC002:ContextCapture倾斜摄影建模流程

摘要&#xff1a;本文主要介绍cc倾斜摄影建模流程&#xff0c;包括工程创建、影像添加、任务序列路径指定、空三、像控点的导入与刺点、空三优化、三维重建、定义生产三维产品的格式等流程&#xff0c;其中实验数据来源为多普云职业教育平台。 一、实验数据获取 本实验使用cc软…
阅读更多...
【深度学习】吴恩达课程笔记(三)——参数VS超参数、深度学习的实践层面

【深度学习】吴恩达课程笔记(三)——参数VS超参数、深度学习的实践层面

笔记为自我总结整理的学习笔记&#xff0c;若有错误欢迎指出哟~ 吴恩达课程笔记——参数VS超参数、深度学习的实践层面 六、参数VS超参数1.参数和超参数的区别2.什么是超参数&#xff1f;3.如何寻找超参数的最优值&#xff1f; 七、深度学习的实践层面1.训练 / 验证 / 测试集(T…
阅读更多...
python 应用 之 转图片格式webp

python 应用 之 转图片格式webp

需求&#xff1a;将图片转成webp格式 目录 一、python 图片转webp格式 1、安装python 2、webp 依赖的包 1&#xff09;、PIP 安装Pillow 2)、VSCODE 选择python版本 2.1&#xff09;、测试是否安装成功 2.2&#xff09;、vscode选择python版本 3、python程序 1&#…
阅读更多...
【深度学习】吴恩达课程笔记(二)——浅层神经网络、深层神经网络

【深度学习】吴恩达课程笔记(二)——浅层神经网络、深层神经网络

笔记为自我总结整理的学习笔记&#xff0c;若有错误欢迎指出哟~ 笔记链接 【深度学习】吴恩达课程笔记(一)——深度学习概论、神经网络基础 吴恩达课程笔记——浅层神经网络、深层神经网络 四、浅层神经网络1.双层神经网络表示2.双层神经网络的前向传播第一层前向传播第二层前…
阅读更多...
数据库简史：多主数据库架构的由来和华为参天引擎的机遇

数据库简史：多主数据库架构的由来和华为参天引擎的机遇

注&#xff1a;本文发表后&#xff0c;收到了很多后台反馈&#xff0c;其中关于大型机的早期成就不容省略。微调重发本文&#xff0c;纯属个人观点&#xff0c;错谬之处&#xff0c;仍然期待指正。 2023年10月13日&#xff0c;在北京举办的“2023金融业数据库技术大会"上&…
阅读更多...
前端 ：用HTML和css制作一个小米官网的静态页面

前端 ：用HTML和css制作一个小米官网的静态页面

1.HTML&#xff1a; <body><div id "content"><div id "box"><div id "top"><div id "top-left"><span id "logo">MI</span><span id "text-logo">小米账…
阅读更多...
Java之数据类型与变量

Java之数据类型与变量

目录 1. 字面常量 2. 数据类型 3. 变量 3.1 变量概念 3.2 语法格式 3.3 整型变量 3.3.1 整型变量 3.3.2 长整型变量 3.3.3 短整型变量 3.3.4 字节型变量 3.4 浮点型变量 3.4.1 双精度浮点型 3.4.2 单精度浮点型 3.5 字符型变量 3.6 布尔型变量 3.7 类型转换 3.7…
阅读更多...
Kafka集群修改单个Topic数据保存周期

Kafka集群修改单个Topic数据保存周期

在大数据部门经常使用Kafka集群&#xff0c;有的时候大数据部门可能在Kafka中的Topic数据保存时间不需要很长&#xff0c;一旦被消费后就不需要一直保留。默认Topic存储时间为7day&#xff0c;个别的Topic或者某台Kafka集群需要修改Topic数据保存的一个周期&#xff0c;调整为3…
阅读更多...
攻克组合优化问题！美国DARPA选中全栈量子经典计算公司Rigetti

攻克组合优化问题！美国DARPA选中全栈量子经典计算公司Rigetti

&#xff08;图片来源&#xff1a;网络&#xff09; 近日&#xff0c;美国量子计算公司Rigetti宣布&#xff0c;它被美国国防高级研究计划局 (DARPA) 选中&#xff0c;加入想象未来量子实际应用 (IMPAQT) 计划&#xff0c;推进先进量子算法的研发&#xff0c;去解决组合优化问…
阅读更多...
课题学习(九)----阅读《导向钻井工具姿态动态测量的自适应滤波方法》论文笔记

课题学习(九)----阅读《导向钻井工具姿态动态测量的自适应滤波方法》论文笔记

一、 引言 引言直接从原论文复制&#xff0c;大概看一下论文的关键点&#xff1a; 垂直导向钻井工具在近钻头振动和工具旋转的钻井工作状态下&#xff0c;工具姿态参数的动态测量精度不高。为此&#xff0c;通过理论分析和数值仿真&#xff0c;提出了转速补偿的算法以消除工具旋…
阅读更多...
前端 ： 用html ，css，js写一个你画我猜的游戏

前端 ： 用html ，css，js写一个你画我猜的游戏

1.HTML&#xff1a; <body><div id "content"><div id "box1">计时器</div><div id"box"><div id "top"><div id "box-top-left">第几题:</div><div id "box…
阅读更多...
ROS自学笔记十八：ModuleNotFoundError： No module named ‘serial‘

ROS自学笔记十八：ModuleNotFoundError： No module named ‘serial‘

出现上述错误&#xff0c;则需要安装serial功能包 第一步&#xff1a;输入 sudo apt install python3-pip 第二步&#xff1a;输入 pip install pyserial
阅读更多...
C++打怪升级（九）- STL之string

C++打怪升级（九）- STL之string

~~~~ 前言1. STL简单介绍1.1 什么是STL?1.2 STL的版本最初的版本P.J版本RW版本SGI版本 1.3 STL的六大组件1.4 STL的一些缺点1.5 STL重要吗&#xff1f; 2 编码2.1 ASCII编码2.2 Unicode编码UTF-8编码 2.3 GBK编码 3. 类模板basic_string4. 单字符string类4.1 什么是string4.2 …
阅读更多...
LV.12 D12 GPIO实验 学习笔记

LV.12 D12 GPIO实验 学习笔记

一、GPIO简介 GPIO&#xff08;General-purpose input/output&#xff09;即通用型输入输出&#xff0c;GPIO可以控制连接在其之上的引脚实现信号的输入和输出 芯片的引脚与外部设备相连&#xff0c;从而实现与外部硬件设备的通讯、控制及信号采集等功能 实验步骤 1. 通过…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023