数据结构基础讲解(七)——数组和广义表专项练习

news2024/11/14 13:28:17

本文数据结构讲解参考书目:

通过网盘分享的文件:数据结构  C语言版.pdf
链接: https://pan.baidu.com/s/159y_QTbXqpMhNCNP_Fls9g?pwd=ze8e 提取码: ze8e

数据结构基础讲解(六)——串的专项练习-CSDN博客

个人主页:樱娆π-CSDN博客​​​​​​

大佬们!!!需要互三的d我!!!!1

目录

数组的类型定义

抽象数据类型数组可形式地定义

基本操作

 数组的顺序存储

特殊矩阵的压缩存储

1.对称矩阵

2.三角矩阵

1)上三角矩阵

2) 下三角矩阵

3.对角矩阵

广 义 表

广义表的运算

广义表的存储结构

1.头尾链表的存储结构

2.扩展线性链表的存储结构

总结

广义表的举例说明

广义表的深度

 广义表的元素访问

广义表的元素插入

 广义表的元素删除

广义表的遍历


 


 * 本文中提到的aij表示下标为ij                                                             

数组的类型定义

数组是由类型相同的数据元素构成的有序集合,每个元素称为数组元素,每个元素受 n(n>=1) 个线性关系的约束,每个元素在 n 个线性关系中的序号儿 i1, …,in 称为该元素的下标,可 以通过下标访问该数据元素。因为数组中每个元素处千 n(n>=1) 个关系中,故称该数组为 n 维 数组。数组可以看成是线性表的推广,其特点是结构中的元素本身可以是具有某种结构的数据, 但属于同一数据类型.

抽象数据类型数组可形式地定义

ADT Array{

数据对象: ji=0, ···,bi-1, i=l, 2, …, n,

D = { a• 五j2"·Jn·ln(>O)称为数组的维数,坛是数组第i 维的长度,

ji 是数组元素的第j维下标,aj1j2...jn

数据关系: R = {Rl,R2, …, Rn}

基本操作:

}ADT Array

基本操作

基本操作初始条件操作结果
InitArray (&A, n, bound i, ···, boundn)/若维数n和各维长度合法, 则构造相应的数组A, 并返回OK
DestroyArray (&A)/销毁数组A
Value(A,&e, indexl , …,indexn)A是n维数组,e为元素变量,随后是n个下标值若各下标不超界,则e赋值为所指定的 A 的元素值, 并返回OK
Assign(&A,e, indexl, …,indexn)A是 n 维数组, e 为元素变扯,随后是 n 个下标值若下标不超界,则将 e 的值赋给所指定的A的元素, 并返回OK

 数组的顺序存储

由千数组一般不做插入或删除操作, 也就是说; 一旦建立了数组, 则结构中的数据元素个数 和元素之间的关系就不再发生变动。 因此, 采用顺序存储结构表示数组比较合适

假设每个数据元素占 L 个存储单元, 则二维数组 A[0.. m-1, 0 .. n-1] (即下标从 0 开始, 共有 m行n列)中任一元素 au的存储位置可由下式确定

LOC(i, j) = LOC(0, 0) + (nx i + j)L

式中, LOC(i,J)是 au的存储位置; LOC(O, 0) 是 aoo的存储位置, 即二维数组 A 的起始存储位置, 也称为基地址或基址.

注:此处没有链式存储。 

特殊矩阵的压缩存储

假若值相同的元素或者零元素在矩阵中的分布有一定规律, 则称此类矩阵为特殊矩阵

1.对称矩阵

若 n 阶矩阵A中的元满足下述性质

 则称为n阶对称矩阵

        对于对称矩阵,可以为每一对对称元分配一个存储空间,则可将忙个元压缩存储到 n(n + 1)/2 个元的空间中, 不失一般性, 可以行序为主序存储其下三角 (包括对角线)中的元。

2.三角矩阵

以主对角线划分,三角矩阵有上三角矩阵和下三角矩阵两种。上三角矩阵是指矩阵下三角(不 包括对角线)中的元均为常数c或零的n阶矩阵, 下三角矩阵与之相反。 对三角矩阵进行压缩存 储时, 除了和对称矩阵一样, 只存储其上 (下)兰角中的元素之外, 再加一个存储常数c的存储 空间即可

1)上三角矩阵

sa[k]和矩阵元 aij 之间的对应关系为

2) 下三角矩阵

sa[k]和矩阵元 aij 之间的对应关系为

3.对角矩阵

对角矩阵 所有的非零元都集中在以主对角线为中心的带状区域中,即除了主对角线上 和直接在对角线上、下方若干条对角线上的元之外,所有其他的元皆为零.

广 义 表

广义表是线性表的推广,也称为列表,广义表一般记作:

LS = (a1 , a2, · · ·, an )

其中,LS是广义表(a1, a2, …,an )的名称,n是其长度。广义表的定义中,a; 可以是单个元素,也可以是广义表,分别称为广义表 LS 的原子和子表。

  1. A = ()—A 是一个空表, 其长度为零
  2. B=(e)-B 只有一个原子 e, 其长度为1
  3. C= (a, (b, c, d))—C的长度为2, 两个元素分别为原子 a 和子表(b,c, d)
  4. D = (A, B, C)—D 的长度为3,3个元素都是广义表。显然,将子表的值代入后,则有 D = ((), (e), (a, (b, c, d)))
  5.  E = (a, E)—这是一个递归的表, 其长度为2。E 相当于一个无限的广义表 E=(a, (a, (a, ···)))
广义表的图形表示
​​​​​​

广义表的重要结论:

  1. 广义表的元素可以是子表,而子表的元素还可以是子表……由此,广义表是一个多层次 的结构,可以用图形象地表示。
  2. 广义表可为 其他广义表所共享。例如在上述例子中,广义表 A、 B 和 C 为 D 的子表, 则在 D 中可以不必列出子表的值,而是通过子表的名称来引用
  3. 广义表可以是一个递归的表,即广义表也可以是 其本身的一个子表。例如,表 E 就是一 个递归的表

广义表的运算

取表头 GetHead(LS): 取出的表头为非空广义表的第一个元素,它可以是一个单原子,也 可以是一个子表。

取表尾 GetTail(LS):取出的表尾为除去表头之外,由其余元素构成的表。即表尾一定是 一个广义表

注:广义表()和(())不同。前者为空表,长度n = 0; 后者长度n = 1, 可分解得到 其表头、 表尾均为空表()

广义表的存储结构

由于广义表中的数据元素可以有不同的结构(或是原子,或是列表),因此难以用顺序存储结 构表示,通常采用链式存储结构。常用的链式存储结构有两种,头尾链表的存储结构和扩展线性 链表的存储结构。

1.头尾链表的存储结构

由千广义表中的数据元素可能为原子或广义表,由此需要两种结构的结点:一种是表结 点, 用以表示广义表; 一种是原子结点, 用以表示原子。从上节得知:若广义表不空, 则可 分解成表头和表尾, 因此, 一对确定的表头和表尾可唯一确定广义表。 一个表结点可由3个 域组成:标志域、 指示表头 的指针域和指示表尾的指针域。而原子结点只需两个域 :标志域值域。

具体操作:

//-----广义表的头尾链表存储表示 -----

typedef enum{ATOM, LIST } ElemTag; 
typedef struct GLNode 
{ 
ElemTag tag; 
union
{ 
AtomType atom; 
struct{struct GLNode*hp, *tp; }ptr; 
}; 
}*GList;
  1.  除空表的表头指针为空外, 对任何非空广义表, 其表头指针均指向一个表结点, 且该结点中的 hp 域指示广义表表头(或为原子结点 , 或为表结点), tp 域指向广义表表尾(除非表尾为 空, 则指针为空, 否则必为表结点)
  2. 容易分清列表中原子和子表所在层次。 如在广义表 D 中, 原子 a 和 e 在同一层次上, 而 b 、 c 和 d 在同一层次且比 a 和 e 低一层, B 和 C 是同一层的子表
  3. 最高层的表结点个数即为广义表的长度

2.扩展线性链表的存储结构

这种结构中, 无论是原子结点还是表结点均由三个域组成

总结

(1)串是内容受限的线性表,它限定了表中的元素为字符。串有两种基本存储结构:顺序存 储和链式存储,但多采用顺序存储结构。串的常用算法是模式匹配算法,主要有BF算法和KMP 算法。BF算法实现简单 ,但存在回溯,效率低,时1 、 郎 司复杂度为O(m x n)0 KMP算法对BF算法 进行改进,消除回溯,提高了效率,时间复杂度为O(m + n)。

(2)多维数组可以看成是线性表的推广,其特点是结构中的元素本身可以是具有某种结 构的数据,但属千同一数据类型。 一个n维数组实质上是n个线性表的组合, 其每一维都 是一个线性表。数组一般采用顺序存储结构,故存储多维数组时,应先将 其确定转换为 一 维结构,有按 “行 “ 转换和按 “列 “ 转换两种。科学与工程计算中的矩阵通常用二维数组 来表示,为了节省存储空间,对于几种常见形式的特殊矩阵,比如对称矩阵、 三 角矩阵和 对角矩阵,在存储时可进行压缩存储,即为 多个值相同的元只分配一个存储空间,对零元 不分配空间。

(3)广义表是另外一种线性表的推广形式,表中的元素可以是 称为原子的单个元素,也 可以是一个子表,所以线性表可以看成广义表的特例。广义表的结构相当灵活,在某种前提 下 ,它可以兼容线性表、数组、树和有向图等各种常用的数据结构。广义表的常用操作有取 表头和取表尾。广义表通常采用链式存储结构:头尾链表的存储结构和扩展线性链表的存储 结构。

广义表的举例说明

串和数组大家应该都很清楚,但广义表应该是比较对新手而言比较陌生,那么我将用代码加深大家的印象。

广义表是一种递归的数据结构,它可以表示线性表、树形结构甚至图结构。它允许元素是原子或其他广义表,因此可以用来表示复杂的数据结构。

广义表的深度

给定一个广义表 L = (a, (b, c), d),请计算该广义表的深度

广义表的深度是指从根节点到最深节点的路径长度。

def depth(L):  
  if isinstance(L, list):  
    max_depth = 0  
    for sublist in L:  
      max_depth = max(max_depth, depth(sublist))  
    return max_depth + 1  
  else:  
    return 0  

L = ['a', ['b', 'c'], 'd']  
print(f"广义表 L 的深度为:{depth(L)}")  # 输出:广义表 L 的深度为:2

 广义表的元素访问

给定一个广义表 L = (a, (b, c), d),请访问该广义表的第 2 个元素

L = ['a', ['b', 'c'], 'd']  
print(f"广义表 L 的第 2 个元素为:{L[1]}")  # 输出:广义表 L 的第 2 个元素为:['b', 'c']

广义表的元素插入

给定一个广义表 L = (a, (b, c), d),请在该广义表的第 2 个元素的开头插入元素 'e'

L = ['a', ['b', 'c'], 'd']  
L[1].insert(0, 'e')  
print(f"插入元素 'e' 后,广义表 L 为:{L}")  # 输出:插入元素 'e' 后,广义表 L 为:['a', ['e', 'b', 'c'], 'd']

 广义表的元素删除

给定一个广义表 L = (a, (b, c), d),请删除该广义表的第 2 个元素的第 2 个元素

L = ['a', ['b', 'c'], 'd']  
del L[1][1]  
print(f"删除元素后,广义表 L 为:{L}")  # 输出:删除元素后,广义表 L 为:['a', ['b'], 'd']

广义表的遍历

给定一个广义表 L = (a, (b, c), d),请遍历该广义表的所有元素

def traverse(L):  
  for element in L:  
    if isinstance(element, list):  
      traverse(element)  
    else:  
      print(element)  

L = ['a', ['b', 'c'], 'd']  
traverse(L)  # 输出:a b c d

————由于博主还是大三的在读生,时间有限,每天会不定时更新一些学习经验和一些32的项目,如果喜欢就点点关注吧,大佬们!!!!———— 

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/2120940.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

猫头虎分析:iPhone 16 系列哪款更适合你?买 iPhone 16 选哪款好?

猫头虎分析:iPhone 16 系列哪款更适合你?买 iPhone 16 选哪款好? 大家好,我是猫头虎。每年苹果发布新机型时,总能引发广泛的讨论和期待。今年也不例外,苹果发布了备受瞩目的 iPhone 16 系列,无…

uniapp媒体

uni.previewImage实现图片放大预览 // 图片预览函数function onPreview(index) {// 收集所有图片的urlvar urls pets.value.data.map(item > item.url)// 预览图片uni.previewImage({current: index, // 当前预览的图片索引urls: urls // 所有图片的url数组})}

COCOS:(飞机大战02)简单的帧动画制作

飞机大战知识点总结 先准备2张图片 选中飞机Body,01:添加动画组件,02:新建动画剪辑资源,保存到动画目录。 在动画编辑器中先增加属性,点加号,选择cc.Sprite,选择spriteFrame把飞机图片hero0 拖…

项目售后服务方案(Word原件2024)

售后服务体系 售后服务流程 售后服务承诺 售后服务计划 技术支持响应承诺 售后服务响应时间 1.2 项目培训方案 项目培训体系 项目培训管理 培训目的与措施 项目培训安排 培训告知下达 培训人员贯彻 培训签到表 工作安排任务书,可行性分析报告,立项申请审…

聚观早报 | 拼多多“百亿减免”新政策;石头洗地机A30系列发布

聚观早报每日整理最值得关注的行业重点事件,帮助大家及时了解最新行业动态,每日读报,就读聚观365资讯简报。 整理丨Cutie 9月10日消息 拼多多“百亿减免”新政策 石头洗地机A30系列发布 iQOO 13将采用京东方定制屏幕 iPhone 16 Pro或支…

Lombok失效:报错 找不到符号 Springboot项目

错误原因,Springboot项目为Lombok提供了版本管理的支持,所以引入Lombok依赖的时候,无需手动指定版本,手动指定了可能会导致依赖冲突。 去掉手动指定的版本,问题解决

Why I‘m getting 404 Resource Not Found to my newly Azure OpenAI deployment?

题意:为什么我新部署的Azure OpenAI服务会出现404资源未找到的错误? 问题背景: Ive gone through this quickstart and I created my Azure OpenAI resource created a model deployment which is in state succeedded. I also playaround …

使用Kimi生成Node-RED的代码

目录 引言 Kimi生成 导入Node-RED 引言 前面写过几篇博客介绍了Node-RED的使用。Node-RED使用起来已经很方便了,拖拉一下就可以生成程序流。当然,如果想偷懒,可以借助Kimi。 Kimi生成 Kimi不能生成图形,但是Node-RED支持JS…

Mysql事件操作

查看是否开启事件 SELECT event_scheduler; SHOW VARIABLES LIKE %event_scheduler%; 开启或关闭事件 SET GLOBAL event_scheduler 1; SET GLOBAL event_scheduler on; SET GLOBAL event_scheduler 0; SET GLOBAL event_scheduler off; 创建事件sql CREATE EVENT IF…

用Python实现时间序列模型实战——Day 16: 时间序列预测方法

一、学习内容 1. 一步预测与多步预测的区别与方法 一步预测: 一步预测指的是仅预测下一个时间步的值。模型只预测未来一个时间点,然后终止。这种预测方法通常用于短期预测,且误差较小。 多步预测: 多步预测指的是预测多个未来时…

好书推荐!《Transformer与扩散模型:生成式AI实战指南》,附赠PDF!

《Transformer 和扩散模型的生成式 AI 实用指南》 是一本关于生成式人工智能的技术指南,特别关注了Transformer和扩散模型在AI领域的应用。 这本大模型书籍已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】 这本…

三、数组————相关算法题探讨(持续更新中)

数组中相关算法题探讨 前言一、二分查找1.1 思路分析1.2 数组遍历的做法1.2 二分查找的做法1.2.1 二分查找定义1.2.2 二分查找代码实现(方法一)1.2.3 二分查找代码实现(方法二) 二、移除数组中的元素2.1 思路分析2.2 三种解法2.2.…

yolov5 自训练模型转 tensorrt 及测试

文章目录 一、准备yolov5自训练模型二、下载tensorrtx源码三、从pt模型生成wts模型四、修改tensorrtx源码4.1 修改 yololayer.h4.2 修改 yolov5.cpp 五、编译运行tensorrt/yolov5 在yolov5训练完模型后,将其转换为tensorrt格式,可以加速推理时间&#xf…

基于单片机的仔猪喂饲系统设计

文章目录 前言资料获取设计介绍功能介绍设计清单具体实现截图参考文献设计获取 前言 💗博主介绍:✌全网粉丝10W,CSDN特邀作者、博客专家、CSDN新星计划导师,一名热衷于单片机技术探索与分享的博主、专注于 精通51/STM32/MSP430/AVR等单片机设…

【Authing身份云-注册安全分析报告-无验证方式导致安全隐患】

前言 由于网站注册入口容易被黑客攻击,存在如下安全问题: 1. 暴力破解密码,造成用户信息泄露 2. 短信盗刷的安全问题,影响业务及导致用户投诉 3. 带来经济损失,尤其是后付费客户,风险巨大,造…

音频处理学习,部分有代码

操作步骤整理 pip install audiomentations官方文档 audiomentations documentation (iver56.github.io) 官网:Core IO and DSP — librosa 0.10.2 documentation 语音信号处理:librosa-CSDN博客 安装依赖 pip install librosa 加载音频文件 ibro…

走进低代码报表开发(二):高效报表设计新利器

在前面的文章中,我们已经详细介绍了勤研低代码开发平台的报表数据源可视化设计,接下来,让我们一起来继续了解勤研低代码平台的报表设计,在当今数字化快速发展的时代,高效便捷的开发工具对于企业和开发者来说至关重要。…

股票Alpha模型的案例实现

一:股票Alpha模型的介绍 股票Alpha模型是一种量化投资策略,它旨在通过各种数学和统计方法来预测股票或其他金融资产的未来表现,并以此获取超越市场平均水平的超额收益。Alpha模型的核心思想是识别市场中的Alpha,即与市场波动无关…

centos7搭建harbor私有镜像仓库

centos7搭建harbor私有镜像仓库 1.准备工作 1.1更换软件源 #更换阿里yum源 wget -O /etc/yum.repos.d/CentOS-Base.repo https://mirrors.aliyun.com/repo/Centos-7.repo yum makecache#更换阿里docker源 yum install -y yum-utils yum-config-manager --add-repo http://mi…

如何鉴定各类组件未授权情况

kubelet https://10.211.55.7:10250/healthz 存在授权情况 未授权 dockersock 2375开出来就是未授权 etcd apiserver 6443 8080