基于Python语言的入门算法和数据结构（持续更新中，求关注一波）[链表栈队列复杂度操作]

梦茹^_^

已于 2024-07-17 22:38:30 修改

阅读量1.2k

点赞数 51

分类专栏： Python 数据结构与算法探索文章标签：算法数据结构 python 笔记开发语言链表

于 2024-07-15 08:07:57 首次发布

本文链接：https://blog.csdn.net/2301_77892626/article/details/140345487

版权

这篇文章主要是讲的Python语言的算法，本人还在不断记笔记中，文章也会持续更新，内容比较浅薄，请大家指教另外推荐一个比较好用的记笔记的软件Typora,自己已经使用很久了，感觉不错。。。虽然但是还是有欠缺。

03 空间复杂度:S(n) = O(f(n))

第二章数据结构基础

2.1 数组的基本操作（读取更新插入删除）

2.2.1链表的基本操作（忽略查找过程插入删除操作时间复杂度都是O（1））

2.2.2数组VS链表

编辑

2.3栈（stack）和队列（queue）

1.栈通常用于回溯历史，倒序，因为栈通常是先进后出

2.队列通常是对历史的回忆，正序（多线程和争夺公平锁，网络爬取url）

第一章算法概述

1.1 什么是数据结构？

01 数据结构都有哪些组成方式

线性结构最简单的数据结构（数组链表栈队列哈希表）
树（二叉树二叉堆）
图（多对多的关联关系）
跳表哈希链表位图.....

02 时间复杂度

设T(n)为程序基本执行次数的函数（程序的相对执行时间函数），n为输入规模，以下是程序中常见的四种执行方式：

例01 渐进时间复杂度

若存在函数f(n)，使得当n趋近于无穷大时，T(n)/f(n)的极限值为不等于零的常数，则称f(in)是T(n)的同数量级函数。记作T(n)= O(f(n))，称为O(f(n))，0为算法的渐进时间复杂度，简称为时间复杂度。

如何推导出时间复杂度呢?有如下几个原则:

如果运行时间是常数量级，则用常数1表示
只保留时间函数中的最高阶项。
如果最高阶项存在，则省去最高阶项前面的系数。

03 空间复杂度:S(n) = O(f(n))

1.常量空间 O(1)

2.线性空间 O(n)

3.三维空间：当算法分配的空间是一个二维列表集合，并且集合的长度和宽度都与输入规模n成正比时，空间复杂度记作O(n^2)

4.递归空间：函数调用栈（进栈和出栈）其算法的空间复杂度和递归深度成正比

第二章数据结构基础

2.1 数组的基本操作（读取更新插入删除）

$$
数组多适合的是读操作多，写操作少的场景数组是顺序存储
$$

数组多适合的是读操作多，写操作少的场景数组是顺序存储

数组读取元素和更新元素的时间复杂度都是O(1)

在初始化列表时已经确定了数组的长度，所以要想实现超范围插入则涉及到数组的扩容

在Python中，`[None] * len(self.array)` 表达式创建了一个新的列表，这个列表的长度与 `self.array` 相同，但每个元素都是 `None`。

这里是这个表达式的详细解释：

1. `None` 是Python中的一个特殊常量，表示没有值或空值。它经常用于初始化变量或作为占位符。
2. `[None]` 是一个包含一个 `None` 元素的列表。
3. `len(self.array)` 计算 `self.array` 列表的长度。
4. `[None] * len(self.array)` 通过将 `[None]` 列表复制 `len(self.array)` 次来创建一个新的列表，其中的每个元素都是 `None`。

这个表达式常用于创建一个与另一个列表长度相同但所有元素都是 `None` 的新列表。例如，假设你有一个包含数字的列表，并且你想创建一
个与之相同长度的列表来存储计算结果，但在计算之前你想初始化所有元素为 `None`，那么你就可以使用这种方法。

例01 插入：

'''
# 初始化列表
my_list = [6,1,5,4,2,7,8,9,3]
# 读取列表
print(my_list[2])
'''

# 插入算法
class MyArray:
    def __init__(self,capacity):
        self.array = [None] * capacity
        self.size = 0
    def insert(self,index,element):
        # 判断访问下标是否超出范围
        if index < 0 or index > self.size:
            raise Exception("超出数组实际元素范围！")
        # 从右向左循环，逐个向右挪动一位
        for i in range(self.size - 1,-1,-1):#从大到小遍历一个序列
            self.array[i+1] = self.array[i]
        # 腾出的位置放置新元素
        self.array[index] = element
        self.size += 1
    def output(self):
        for i in range(self.size):
            print(self.array[i])
array =