4 - 常见数据结构的Python实现
一、栈
class Stack(object):
def __init__(self, limit=10): self.stack = [] #存放元素 self.limit = limit #栈容量极限
# 入栈:先进后出 def push(self, data): #判断栈是否溢出 if len(self.stack) >= self.limit: print('StackOverflowError') pass self.stack.append(data)
# 出栈:后进先出 def pop(self): if self.stack: return self.stack.pop() else: raise IndexError('pop from an empty stack') #空栈不能被弹出
def peek(self): #查看堆栈的最上面的元素 if self.stack: return self.stack[-1]
def is_empty(self): #判断栈是否为空 return not bool(self.stack)
def size(self): #返回栈的大小 return len(self.stack)
二、单链表
# 定义一个链表元素结点:数据值+指针
class Node: def __init__(self, data): self.data = data # 数据值 self.next = None # 指针
# 定义一个单链表 class Linked_List:
# 定义一个头结点 def __init__(self): self.head = None
# 链表初始化函数 def initlist(self,data_list): self.head=Node(data_list[0]) #创建头结点 temp=self.head for i in data_list[1:]: #逐个为 data 内的数据创建结点, 建立链表 node=Node(i) temp.next=node temp=temp.next
def is_empty(self): #判断链表是否为空 if self.head.next==None: print("Linked_list is empty") return True else: return False
def get_length(self): #获取链表的长度 temp=self.head #临时变量指向队列头部 length=0 #计算链表的长度变量 while temp!=None: length=length+1 temp=temp.next return length #返回链表的长度
def insert(self,key,value): #链表插入数据函数 if key<0 or key>self.get_length()-1: print("insert error") temp=self.head i=0 while i<=key: #遍历找到索引值为 key 的结点后, 在其后面插入结点 pre=temp temp=temp.next i=i+1 node=Node(value) pre.next=node node.next=temp
def print_list(self): #遍历链表,并将元素依次打印出来 print("linked_list:") temp=self.head new_list=[] while temp is not None: new_list.append(temp.data) temp=temp.next print(new_list)
def remove(self,key): #链表删除数据函数 if key<0 or key>self.get_length()-1: print("insert error") i=0 temp=self.head while temp !=None: #遍历找到索引值为 key 的结点 pre=temp temp=temp.next i=i+1 if i==key: pre.next=temp.next temp=None return True pre.next=None
def reverse(self): #将链表反转 prev = None current = self.head while current: next_node = current.next current.next = prev prev = current current = next_node self.head = prev
三、双链表
class Node(object): # 双向链表节点 def __init__(self, item): self.item = item self.next = None self.prev = None
class DLinkList(object): # 双向链表 def __init__(self): self._head = None
def is_empty(self): # 判断链表是否为空 return self._head == None
def get_length(self): # 返回链表的长度 cur = self._head count = 0 while cur != None: count=count+1 cur = cur.next return count
def travel(self): # 遍历链表 cur = self._head while cur != None: print(cur.item) cur = cur.next print("")
def add(self, item): # 头部插入元素 node = Node(item) if self.is_empty(): # 如果是空链表,将_head指向node self._head = node else: # 将node的next指向_head的头节点 node.next = self._head # 将_head的头节点的prev指向node self._head.prev = node # 将_head 指向node self._head = node
def append(self, item): # 尾部插入元素 node = Node(item) if self.is_empty(): # 如果是空链表,将_head指向node self._head = node else: # 移动到链表尾部 cur = self._head while cur.next != None: cur = cur.next # 将尾节点cur的next指向node cur.next = node # 将node的prev指向cur node.prev = cur
def search(self, item): # 查找元素是否存在 cur = self._head while cur != None: if cur.item == item: return True cur = cur.next return False
def insert(self, pos, item): # 在指定位置添加节点 if pos <= 0: self.add(item) elif pos > (self.length()-1): self.append(item) else: node = Node(item) cur = self._head count = 0 # 移动到指定位置的前一个位置 while count < (pos-1): count += 1 cur = cur.next # 将node的prev指向cur node.prev = cur # 将node的next指向cur的下一个节点 node.next = cur.next # 将cur的下一个节点的prev指向node cur.next.prev = node # 将cur的next指向node cur.next = node
def remove(self, item): # 删除元素 if self.is_empty(): return else: cur = self._head if cur.item == item: # 如果首节点的元素即是要删除的元素 if cur.next == None: # 如果链表只有这一个节点 self._head = None else: # 将第二个节点的prev设置为None cur.next.prev = None # 将_head指向第二个节点 self._head = cur.next return while cur != None: if cur.item == item: # 将cur的前一个节点的next指向cur的后一个节点 cur.prev.next = cur.next # 将cur的后一个节点的prev指向cur的前一个节点 cur.next.prev = cur.prev break cur = cur.next
四、队列(链表形式实现)
class Node(object): def __init__(self,elem,next=None): self.elem = elem #表示对应的元素值 self.next=next #表示下一个链接的链点
class Queue(object):
def __init__(self): self.head = None #头部链点为 None self.rear = None #尾部链点为 None
def is_empty(self): return self.head is None #判断队列是否为空
def enqueue(self, elem): p = Node(elem) #初始化一个新的点 if self.is_empty(): self.head = p #队列头部为新的链点 self.rear = p #队列尾部为新的链点 else: self.rear.next = p #队列尾部的后继是这个新的点 self.rear =p #然后让队列尾部指针指向这个新的点
def dequeue(self): if self.is_empty(): #判断队列是否为空 print('Queue_is_empty') #若队列为空,则退出 dequeue 操作 else: result = self.head.elem #result为队列头部元素 self.head = self.head.next #改变队列头部指针位置 return result #返回队列头部元素
def peek(self): if self.is_empty(): #判断队列是否为空 print('NOT_FOUND') #为空则返回 NOT_FOUND else: return self.head.elem #返回队列头部元素
def print_queue(self): print("queue:") temp=self.head myqueue=[] #暂时存放队列数据 while temp is not None: myqueue.append(temp.elem) temp=temp.next print(myqueue)
五、队列(数组形式实现)
class Queue():
def __init__(self): self.entries = [] #表示队列内的参数 self.length = 0 #表示队列的长度 self.front=0 #表示队列头部位置
def enqueue(self, item): self.entries.append(item) #添加元素到队列里面 self.length = self.length + 1 #队列长度增加 1
def dequeue(self): self.length = self.length - 1 #队列的长度减少 1 dequeued = self.entries[self.front] #队首元素为dequeued self.front-=1 #队首的位置减少1 self.entries = self.entries[self.front:] #队列的元素更新为退队之后的队列 return dequeued
def peek(self): return self.entries[0] #直接返回队列的队首元素
六、二叉树
class Node(object):
def __init__(self,item): self.item=item #表示对应的元素 self.left=None #表示左节点 self.right=None #表示右节点 def __str__(self): return str(self.item) #print 一个 Node 类时会打印 __str__ 的返回值
class Tree(object):
def __init__(self): self.root=Node('root') #根节点定义为 root 永不删除,作为哨兵使用
def add(self,item): node = Node(item) if self.root is None: #如果二叉树为空,那么生成的二叉树最终为新插入树的点 self.root = node else: q = [self.root] # 将q列表,添加二叉树的根节点 while True: pop_node = q.pop(0) if pop_node.left is None: #左子树为空则将点添加到左子树 pop_node.left = node return elif pop_node.right is None: #右子树为空则将点添加到右子树 pop_node.right = node return else: q.append(pop_node.left) q.append(pop_node.right)
def get_parent(self, item): if self.root.item == item: return None # 根节点没有父节点 tmp = [self.root] # 将tmp列表,添加二叉树的根节点 while tmp: pop_node = tmp.pop(0) if pop_node.left and pop_node.left.item == item: #某点的左子树为寻找的点 return pop_node #返回某点,即为寻找点的父节点 if pop_node.right and pop_node.right.item == item: #某点的右子树为寻找的点 return pop_node #返回某点,即为寻找点的父节点 if pop_node.left is not None: #添加tmp 元素 tmp.append(pop_node.left) if pop_node.right is not None: tmp.append(pop_node.right) return None
def delete(self, item): if self.root is None: # 如果根为空,就什么也不做 return False parent = self.get_parent(item) if parent: del_node = parent.left if parent.left.item == item else parent.right # 待删除节点 if del_node.left is None: if parent.left.item == item: parent.left = del_node.right else: parent.right = del_node.right del del_node return True elif del_node.right is None: if parent.left.item == item: parent.left = del_node.left else: parent.right = del_node.left del del_node return True else: # 左右子树都不为空 tmp_pre = del_node tmp_next = del_node.right if tmp_next.left is None: # 替代 tmp_pre.right = tmp_next.right tmp_next.left = del_node.left tmp_next.right = del_node.right else: while tmp_next.left: # 让tmp指向右子树的最后一个叶子 tmp_pre = tmp_next tmp_next = tmp_next.left # 替代 tmp_pre.left = tmp_next.right tmp_next.left = del_node.left tmp_next.right = del_node.right if parent.left.item == item: parent.left = tmp_next else: parent.right = tmp_next del del_node return True else: return False
七、字典树
class TrieNode:
def __init__(self): self.nodes = dict() # 构建字典 self.is_leaf = False
def insert(self, word: str): curr = self for char in word: if char not in curr.nodes: curr.nodes[char] = TrieNode() curr = curr.nodes[char] curr.is_leaf = True
def insert_many(self, words: [str]): for word in words: self.insert(word)
def search(self, word: str): curr = self for char in word: if char not in curr.nodes: return False curr = curr.nodes[char] return curr.is_leaf
八、堆
class heap(object):
def __init__(self): #初始化一个空堆,使用数组来在存放堆元素,节省存储 self.data_list = []
def get_parent_index(self,index): #返回父节点的下标 if index == 0 or index > len(self.data_list) -1: return None else: return (index -1) >> 1
def swap(self,index_a,index_b): #交换数组中的两个元素 self.data_list[index_a],self.data_list[index_b] = self.data_list[index_b],self.data_list[index_a]
def insert(self,data): #先把元素放在最后,然后从后往前依次堆化 #这里以大顶堆为例,如果插入元素比父节点大,则交换,直到最后 self.data_list.append(data) index = len(self.data_list) -1 parent = self.get_parent_index(index) #循环,直到该元素成为堆顶,或小于父节点(对于大顶堆) while parent is not None and self.data_list[parent] < self.data_list[index]: #交换操作 self.swap(parent,index) index = parent parent = self.get_parent_index(parent)
def removeMax(self): #删除堆顶元素,然后将最后一个元素放在堆顶,再从上往下依次堆化 remove_data = self.data_list[0] self.data_list[0] = self.data_list[-1] del self.data_list[-1] #堆化 self.heapify(0) return remove_data
def heapify(self,index): #从上往下堆化,从index 开始堆化操作 (大顶堆) total_index = len(self.data_list) -1 while True: maxvalue_index = index if 2*index +1 <= total_index and self.data_list[2*index +1] > self.data_list[maxvalue_index]: maxvalue_index = 2*index +1 if 2*index +2 <= total_index and self.data_list[2*index +2] > self.data_list[maxvalue_index]: maxvalue_index = 2*index +2 if maxvalue_index == index: break self.swap(index,maxvalue_index) index = maxvalue_index