python面试总结4(算法与内置数据结构)
算法与内置数据结构
- 常用算法和数据结构
- sorted
- dict/list/set/tuple
- 分析时间/空间复杂度
- 实现常见数据结构和算法
| 数据结构/算法 | 语言内置 | 内置库 |
|---|---|---|
| 线性结构 | list(列表)/tuple(元祖) | array(数组,不常用)/collection.namedtuple |
| 链式结构 | collections.deque(双端队列) | |
| 字典结构 | dict(字典) | collections.Counter(计数器)/OrderedDict(有序字典) |
| 集合结构 | set(集合)/frozenset(不可变集合) | |
| 排序算法 | sorted | |
| 二分算法 | bisect模块 | |
| 堆算法 | heapq模块 | |
| 缓存算法 | functors.lru_cache(Least Recent Used,python3) |
coolections模块提供了一些内置数据结构的扩展
collections
Point = collections.namedtuple('Point','x','y')
p = Point(1,2)
namedtuple让tuple属性可读
de = collections.deque()
de.append(1)
de.appendleft(0)
c = collections.Counter()
c = coolections.Counter('abcab')
python dict 底层结构
dict底层使用的哈希表
- 为了支持快速查找使用了哈希表作为底层结构
- 哈希表平均查找时间复杂度O(1)
- Cpython解释器使用二次探查解决哈希冲突问题
python list/tuple区别
- 都是线性结构 支持下标访问
- list是可变对象，tuple保存的引用不可变
t = ([1],2,3)
t[0].append(1)
t
([1,1],2,3)
保存的引用不可变指的是你没法替换掉这个对象，但是如果对系那个本身是一个可变对象，是可以修改这个引用指向的可变对象的
- list没发作为字典的key, tuple可以(可变对象不可hash)
什么是LRUCache？
Least-Recently-Used 替换掉最近最少使用的对象
- 缓存剔除策略,当缓存空间不够用的时候需要一种方式剔除key
- 常见的有LRU, LFU等
- LRU通过使用一个循环双端队列不断把最新访问的key放到表头实现
字典用来缓存，循环双端链表用来记录访问顺序
- 利用python内置的dict + collections.OrderedDict实现
- dict 用来当作k/v键值对的缓存
- OrderedDict用来实现更新最近访问的key
from collections import OrderedDict
class LRUCache:
def __init__(self, capacity=128):
self.od = OrderedDict()
self.capacity = capacity
def get(self, key): #每次访问更新最新使用的key
if key in self.od:
val = self.od[key]
self.od.move_to_end(key)
return val
else:
return -1
def put(self, key, value): # 更新k/v
if key in self.od:
del self.od[key]
self.od[key] = value # 更新key 到表头
else: # insert
self.od[key] = value
# 判断当前容量是否已经满了
if len(self.od) > self.capacity:
self.od.popitem(last=False)
code/lrucache.py
算法常考点
排序+查找,重中之重
- 常考排序算法: 冒泡排序、快速排序、归并排序、堆排序
- 线性查找，二分查找等
- 能独立实现代码(手写), 能够分析时间空间复杂度
python web 后端常考数据结构
- 常见的数据结构链表、队列、栈、二叉树、堆
- 使用内置结构实现高级数据结构，比如内置的list/deque实现栈
- leetcode或者《剑指offer》上的常见题
常考数据结构之链表
链表有单链表、双链表、循环双链表
- 如何使用python 来表示链表结构
- 实现链表常见操作，比如插入节点，反转链表，合并多个链表等
- Leetcode练习常见链表题目
数据结构之链表
# Definition for singly-linked list.
# class ListNode:
# def __init__(self, x):
# self.val = x
# self.next = None
class Solution:
def reverseList(self, head: ListNode) -> ListNode:
pre = None
cur = head
while cur:
nextnode = cur.next
cur.next = pre
pre = cur
cur = nextnode
ruture pre
数据结构之队列
队列(queue)是先进先出结构
- 如何使用python实现队列
- 实现队列的apend和pop操作,如何做到先做先出
- 使用python的list或者collections.deque实现队列
from collections import deque
class Queue:
def __init__(self):
self.items = deque()
def append(self, val):
retuen self.items.append(val)
def pop(self):
return self.items.popleft()
def empty(self):
return len(self.items) == 0
def test_queue():
q = Queue()
q.append(0)
q.append(1)
q.append(2)
print(q.pop())
print(q.pop())
print(q.pop())
test_queue()()
0
1
2
常考数据结构之栈
栈(stack)是后进先出结构
- 如何使用python实现栈?
- 实现栈的push 和 pop 操作, 如何做到后进先出
- 同样可以用python list 或者collections.deque实现栈
from collections import deque
class Stack(object):
def __init__(self):
self.deque = deque() # 或者用list
def push(self, value):
self.deque.append(value)
def pop(self):
return self.deque.pop()
一个常考问题: 如何用两个栈实现队列?
常考数据结构之字典与集合
python dict/set 底层都是哈希表
- 哈希表的实现原理，底层其实就是一个数组
- 根据哈希函数快速定位一个元素，平均查找，非常快
- 不断加入元素会引起哈希表重新开辟空间，拷贝之前元素到新数组
