Python数据结构与算法（3

最新推荐文章于 2024-10-11 16:17:26 发布

2401_86454745

最新推荐文章于 2024-10-11 16:17:26 发布

阅读量939

点赞数 17

文章标签： python 开发语言

本文链接：https://blog.csdn.net/2401_86454745/article/details/142181531

版权

ADT Stack:

数据对象： D = a i ∣ a i ∈ D a t a T y p e , i = 1 , 2 , . . . , n , n ≥ 0 D={a_i|a_i∈DataType, i=1,2,…,n,n\geq0} D=ai∣ai∈DataType,i=1,2,…,n,n≥0

数据关系： R = < a i , a i + 1 > ∣ a i , a i + 1 ∈ D , i = 1 , 2 , . . . , n − 1 R={<a_{i},a_{i+1}>|a_i,a_{i+1}∈D,i=1,2,…,n-1} R=<ai,ai+1>∣ai,ai+1∈D,i=1,2,…,n−1

a 1 a_1 a1为栈底元素， a n a_n an为栈顶元素

基本操作：

1. __itit__(): 初始化栈

创建一个空栈

2. size(): 求取并返回栈中所含元素的个数 n

若栈为空，则返回整数0

3. isempty(): 判断是否为空栈

判断栈中是否存储元素

4. push(data): 入栈

将元素 data 插入栈顶

5. pop(): 出栈

删除并返回栈顶元素

4. peek(): 取栈顶元素

返回栈顶元素值，但并不删除元素

1.3 栈的应用场景

栈具有广泛的应用场景，例如：

符号的匹配，具体描述参考第3.3小节；
函数调用，每个未结束调用的函数都会在函数栈中拥有一块数据区，保存了函数的重要信息，包括函数的局部变量、参数等；
后缀表达式求值，计算后缀表达式只需一个用于存放数值的栈，遍历表达式遇到数值则入栈，遇到运算符则出栈两个数值进行计算，并将计算结果入栈，最后栈中保留的唯一值即为表达式结果；
网页浏览中的返回按钮，当我们在网页间进行跳转时，这些网址都被存放在一个栈中；
编辑器中的撤销序列，与网页浏览中的返回按钮类似，栈保存每步的编辑操作。

除了以上应用外，我们在之后的学习中还将看到栈用作许多算法的辅助数据结构。

2. 栈的实现

和线性表一样，栈同样有两种存储表示方式。

2.1 顺序栈的实现

顺序栈是栈的顺序存储结构，其利用一组地址连续的存储单元从栈底到栈顶依次存放。同时使用指针 top 来指示栈顶元素在顺序栈中的索引，同样顺序栈可以是固定长度和动态长度，当栈满时，定长顺序栈会抛出栈满异常，动态顺序栈则会动态申请空闲空间。

2.1.1 栈的初始化

顺序栈的初始化需要三部分信息：stack 列表用于存储数据元素，max_size 用于存储 stack 列表的最大长度，以及 top 用于记录栈顶元素的索引：

class Stack:

def init(self, max_size=10):

self.max_size = max_size

self.stack = self.max_size * [None]

self.top = -1

2.1.2 求栈长

由于 top 表示栈顶元素的索引，我们可以据此方便的计算顺序栈中的数据元素数量，即栈长：

def size(self):

return self.top + 1

2.1.3 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.size() == 0:

return True

else:

return False

2.1.4 判栈满

由于需要提前申请栈空间，因此我们需要能够判断栈是否还有空闲空间：

def isfully(self):

if self.size() == self.max_size:

return True

else:

return False

2.1.5 入栈

入栈时，需要首先判断栈中是否还有空闲空间，然后根据栈为定长顺序栈或动态顺序栈，入栈操作稍有不同：

[定长顺序栈的入栈操作] 如果栈满，则引发异常：

def push(self, data):

if self.isfully():

raise IndexError(‘Stack Overflow!’)

else:

self.top += 1

self.stack[self.top_1] = data

[动态顺序栈的入栈操作] 如果栈满，则首先申请新空间：

def resize(self):

new_size = 2 * self.max_size

new_stack = [None] * new_size

for i in range(self.num_items):

new_stack[i] = self.items[i]

self.stack = new_stack

self.max_size = new_size

def push(self, data):

if self.isfully():

self.resize()

else:

self.top += 1

self.stack[self.top_1] = data

入栈的时间复杂度为 O ( 1 ) O(1) O(1)。这里需要注意的是，虽然当动态顺序栈满时，原栈中的元素需要首先复制到新栈中，然后添加新元素，但根据《顺序表及其操作实现》中顺序表追加操作的介绍，由于 n 次入栈操作的总时间 T ( n ) T(n) T(n) 与 O ( n ) O(n) O(n) 成正比，因此入栈的摊销时间复杂度仍可以认为是 O ( 1 ) O(1) O(1)。