（1）Python所有方向的学习路线（新版）
这是我花了几天的时间去把Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。
最近我才对这些路线做了一下新的更新，知识体系更全面了。
（2）Python学习视频
包含了Python入门、爬虫、数据分析和web开发的学习视频，总共100多个，虽然没有那么全面，但是对于入门来说是没问题的，学完这些之后，你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。
（3）100多个练手项目
我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。
网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。
一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
raise IndexError(‘Stack Underflow!’)
else:
result = self.stack[self.top]
self.top -= 1
return result
2.1.7 求栈顶元素
若栈不空，则只需返回栈顶元素：
def peek(self):
if self.isempty():
raise IndexError(‘Stack Underflow!’)
else:
return self.stack[self.top]
2.2 链栈的实现
栈的另一种存储表示方式是使用链式存储结构，因此也常称为链栈，其中 push 操作是通过在链表头部插入元素来实现的，pop 操作是通过从头部删除节点来实现的。
2.2.1 栈结点
栈的结点实现与链表并无差别：
class Node:
def init(self, data):
self.data = data
self.next = None
def str(self):
return str(self.data)
2.2.2 栈的初始化
栈的初始化函数中，使栈顶指针指向 None，并初始化栈长：
class Stack:
def init(self):
self.top = None
栈中元素数
self.length = 0
2.2.3 求栈长
返回 length 的值用于求取栈的长度，如果没有 length 属性，则需要遍历整个链表才能得到栈长：
def size(self):
return self.length
2.2.4 判栈空
根据栈的长度可以很容易的判断栈是否为空栈：
def isempty(self):
if self.length == 0:
return True
else:
return False
2.2.5 入栈
入栈时，在栈顶插入新元素即可：
def push(self, data):
p = Node(data)
p.next = self.top
self.top = p
self.length += 1
由于插入元素是在链表头部进行的，因此入栈的时间复杂度为 O ( 1 ) O(1) O(1)，在这种情况下链尾作为栈底 。
2.2.5 出栈
若栈不空，则删除并返回栈顶元素：
def pop(self):
if self.isempty():
raise IndexError(“Stack Underflow!”)
ele = self.top.data
self.top = self.top.next
self.length -= 1
return ele
由于删除元素仅需修改头指针指向其 next 域，因此出栈的时间复杂度同样为 O ( 1 ) O(1) O(1)。
2.2.6 求栈顶元素
若栈不空，返回栈顶元素即可，但栈顶元素并不会被删除：
def peek(self):
if self.isempty():
raise IndexError(“Stack Underflow!”)
return self.top.data
2.3 栈的不同实现对比
本节我们将对比栈的不同实现之间的异同：
-
顺序栈
-
操作的时间复杂度均为 O ( 1 ) O(1) O(1)，列表的尾部作为栈顶
-
栈满时需要进行动态的扩展，复制原栈元素到新栈中
-
链栈
-
操作的时间复杂度均为 O ( 1 ) O(1) O(1)，链表的头部作为栈顶
-
优雅的扩展，无需考虑栈满，需要额外的空间存储指针
接下来，我们首先测试上述实现的链表，以验证操作的有效性，然后利用实现的基本操作来解决实际算法问题。
3.1 顺序栈的应用
首先初始化一个顺序栈 stack，然后测试相关操作：
初始化一个最大长度为4的栈
s = Stack(4)
print(‘栈空?’, s.isempty())
for i in range(4):
print(‘入栈元素：’, i)
s.push(i)
print(‘栈满?’, s.isfully())
print(‘栈顶元素：’, s.peek())
print(‘栈长度为：’, s.size())
while not s.isempty():
print(‘出栈元素：’, s.pop())
测试程序输出结果如下：
栈空? True
入栈元素： 0
入栈元素： 1
入栈元素： 2
入栈元素： 3
栈满? True
栈顶元素： 3
栈长度为： 4
出栈元素： 3
出栈元素： 2
出栈元素： 1
出栈元素： 0
3.2 链栈的应用
首先初始化一个链栈 stack，然后测试相关操作：
初始化新栈
s = Stack()
print(‘栈空?’, s.isempty())
for i in range(4):
print(‘入栈元素：’, i)
s.push(i)
print(‘栈顶元素：’, s.peek())
print(‘栈长度为：’, s.size())
while not s.isempty():
print(‘出栈元素：’, s.pop())
测试程序输出结果如下：
栈空? True
入栈元素： 0
入栈元素： 1
入栈元素： 2
入栈元素： 3
栈顶元素： 3
栈长度为： 4
出栈元素： 3
出栈元素： 2
出栈元素： 1
出栈元素： 0
3.3 利用栈基本操作实现复杂算法
[1] 匹配符号是指正确地匹配左右对应的符号(符号允许进行嵌套)，不仅每一个左符号都有一个右符号与之对应，而且两个符号的类型也是一致的，下表展示了一些符号串的匹配情况：
| 符号串 | 是否匹配 |
| — | — |
| []()() | 匹配 |
| [(())() | 不匹配 |
| {([]())} | 匹配 |
| (())[]} | 不匹配 |
为了检查符号串的匹配情况，需要遍历符号串，如果字符是 (、[ 或 { 之类的开始分隔符，则将其写入栈中；当遇到诸如 )、] 或 } 等结束分隔符时，则栈顶元素出栈，并将其与当前遍历元素进行比较，如果它们匹配，则继续解析符号串，否则表示不匹配。当遍历完成后，如果栈不为空，则同样表示不匹配：
def isvalid_expression(expression):
stack = Stack()
symbols = {‘)’:‘(’, ‘]’:‘[’, ‘}’:‘{’}
for s in expression:
if s in symbols:
if stack:
top_element = stack.pop()
else:
top_element = ‘#’
if symbols[s] != top_element:
return False
else:
stack.push(s)
return not stack
由于我们只需要遍历符号串一边，因此算法的时间复杂度为 O ( n ) O(n) O(n)，算法的空间复杂度同样为 O ( n ) O(n) O(n)。
[2] 给定一链表(带有头结点) L : L 0 → L 1 → … → L n L: L_0 \rightarrow L_1 \rightarrow … \rightarrow L_n L:L0→L1→…→Ln，将其重排为： L 0 → L n → L 1 → L n − 1 … L_0 \rightarrow L_n \rightarrow L_1 \rightarrow L_{n-1}… L0→Ln→L1→Ln−1…。
例如链表中包含 9 个元素，则下图现实了重排前后的链表元素情况：
由于栈的先进后出原则，可以利用栈与原链表的配合进行重排，首次按遍历链表，将每个结点入栈；栈中元素的出栈顺序为原链表结点的逆序，然后交替遍历链表和栈，构建新链表。
def reorder_list(L):
p = L.head.next
if p == None:
return L
stack = Stack()
while p!= None:
stack.push§
p = p.next
l = L.head.next
from_head = L.head.next
from_stack = True
while (from_stack and l != stack.peek() or (not from_stack and l != from_head)):
if from_stack:
from_head = from_head.next
l.next = stack.pop()
from_stack = False
else:
l.next = from_head
from_stack = True
l = l.next
l.next = None
该算法的时间复杂度和空间复杂度均为 O ( n ) O(n) O(n)。
如果你也是看准了Python，想自学Python，在这里为大家准备了丰厚的免费学习大礼包，带大家一起学习，给大家剖析Python兼职、就业行情前景的这些事儿。
一、Python所有方向的学习路线
Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。
二、学习软件
工欲善其必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。
三、全套PDF电子书
书籍的好处就在于权威和体系健全，刚开始学习的时候你可以只看视频或者听某个人讲课，但等你学完之后，你觉得你掌握了，这时候建议还是得去看一下书籍，看权威技术书籍也是每个程序员必经之路。
四、入门学习视频
我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。
四、实战案例
光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。
五、面试资料
我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。
成为一个Python程序员专家或许需要花费数年时间，但是打下坚实的基础只要几周就可以，如果你按照我提供的学习路线以及资料有意识地去实践，你就有很大可能成功！
最后祝你好运！！！
网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。
一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
1344
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
