Python数据结构应用2——Queue

• Reference: Problem Solving with Algorithms and Data Structures, Release 3.0

队列 Queue 建立

class Queue:
    def __init__(self):
        self.items = []
    def is_empty(self):
        return self.items ==[]
    # input在前，output在后
    def enqueue(self, item):
        self.items.insert(0,item)
    def dequeue(self):
        return self.items.pop()
    def size(self):
        return len(self.items)
    def show(self):     
        return self.items

用stack在python中解决实际问题

击鼓传花（hot potato）

击鼓传花问题，使用queue进行一个循环，敲打的次数为num，当敲打完毕，quene尾的小朋友被剔除，queue中最后的人即为胜者。

每一次循环的过程为：queue尾的小朋友重制到queue前，即sim_queue.enqueue(sim_queue.dequeue())

 

def hot_potato(name_list, num):
    sim_queue = Queue()
    for name in name_list:
        sim_queue.enqueue(name)

    while sim_queue.size()>1:
        for i in range(num):
            sim_queue.enqueue(sim_queue.dequeue())
        sim_queue.dequeue()
    return sim_queue.dequeue()

print(hot_potato(["Bill", "David", "Susan", "Jane", "Kent",
"Brad"], 20))

Bill

打印机问题

学校的打印店是一个嘈杂的地方，有时一个打印机连着几台电脑，这个时候先按print的那一台在队列前面，这很好理解。

 

 

实现这个算法需要建立两个class，分别是Printer & Task。

假设printer一分钟可以打印纸的张数为page_rate，每个task的纸张数只能为1-20之间。

具体步骤

1. 创建一个task queue，每个task一旦入队给一个时间标签
2. For every second:
   
   • 检查是否新的task被创建了，如果是，将他放入task queue中，并将此时的时间作为时间标签
   • 如果printer不busy且task正在等待
     
     • dequeue下一个task且将其置入printer
     • 用当前时间减去该task的时间戳，计算该task的等待时间
     • 将这个task的等待时间放入list中
     • 根据这个task的纸张数目，计算完成这个task需要的时间
   • 一秒过去了～～～
   • 如果这个task完成了，或者说需要的时间减少为0，那么printer也不在busy了
3. 根据list中的时间计算平均等待时间

class Printer:
    def __init__(self, ppm):
        self.page_rate = ppm  # pages per minute
        self.current_task = None
        self.time_remaining =0

    def tick(self):    # 1 second goes by
        if self.current_task != None:
            self.time_remaining = self.time_remaining-1
            if self.time_remaining <=0:
                self.current_task = None

    def busy(self):
        if self.current_task != None:
            return True
        else:
            return False

    def start_next(self, new_task):
        self.current_task = new_task
        self.time_remaining = new_task.get_pages() * 60 / self.page_rate

import random

class Task:      
    def __init__(self, time):
        self.timestamp = time
        self.pages = random.randrange(1,20)   #每个task的pages随机产生
    def get_stamp(self):
        return self.timestamp
    def get_pages(self):
        return self.pages
    def wait_time(self, current_time):
        return current_time - self.timestamp

模拟过程

def simulation(num_seconds, ppm):
    lab_printer = Printer(ppm)
    print_queue = Queue()
    waiting_times = []
    for current_second in range(num_seconds):
        if new_print_task():     # 每秒有1/180的概率产生一个新的task
            task = Task(current_second)
            print_queue.enqueue(task)
        if (not lab_printer.busy()) and (not print_queue.is_empty()):
            next_task = print_queue.dequeue()
            waiting_times.append(next_task.wait_time(current_second))
            lab_printer.start_next(next_task)
        lab_printer.tick()
    average_wait = sum(waiting_times)/len(waiting_times)
    print("Average Wait %6.2f secs %3d tasks remaining."%(average_wait, print_queue.size()))

def new_print_task():
    num = random.randrange(1, 181)
    if num == 180:
        return True
    else:
        return False

for i in range(10):
    simulation(3600,5)

Average Wait 173.06 secs   2 tasks remaining.
Average Wait 102.06 secs   0 tasks remaining.
Average Wait  69.00 secs   1 tasks remaining.
Average Wait 191.58 secs   4 tasks remaining.
Average Wait  29.80 secs   0 tasks remaining.
Average Wait 136.38 secs   0 tasks remaining.
Average Wait  56.15 secs   0 tasks remaining.
Average Wait 160.18 secs   0 tasks remaining.
Average Wait 301.59 secs   4 tasks remaining.
Average Wait 107.88 secs   0 tasks remaining.

双端队列 deques

双端队列中的元素可以从两端弹出，插入和删除操作限定在队列的两边进行。

deques 建立

class Deque:
    def __init__(self):
        self.items = []
    def is_empty(self):
        return self.items == []
    def add_front(self, item):
        self.items.append(item)
    def add_rear(self, item):
        self.items.insert(0,item)
    def remove_front(self):
        return self.items.pop()
    def remove_rear(self):
        return self.items.pop(0)
    def size(self):
        return len(self.items)

由上述代码可以看出，从front端插入和删除的时间复杂度为O(1)，从rear端插入和删除的操作的时间复杂度为O(n)

deque应用：回文检查

回文：一个string顺序读和倒序读是一样的，如radar

方法： 将string储存到deque中，提取the rear和the front，然后进行比较。

def pal_checker(a_string):
    char_deque = Deque()
    for ch in a_string:
        char_deque.add_rear(ch)
    still_equal = True
    while char_deque.size()>1 and still_equal:
        first = char_deque.remove_front()
        last = char_deque.remove_rear()
        if first != last:
            still_equal = False
    return still_equal
print(pal_checker("lsdkjfskf"))
print(pal_checker("radar"))

False
True