从数据结构到python编程

1前述

之前已经提到 程序=数据结构+算法  

算法简而言之就是计算的方法和思路，至于使用什么语言，只是工具的不同罢了，下面主要是使用python工具。

遇到一个实际问题，需要解决两个事情：

（1） 如何将数据存储在计算机中；

（2） 用什么方法策略解决问题。

前者是数据结构，后者是算法。只有数据结构没有算法，相当于只把数据存储到计算机中而没有有效的方法去处理，就像一幢只有框架的烂尾楼；若只有算法，没有数据结构，就像沙漠里的海市蜃楼，只不过是空中楼阁罢了。

数据是一切能输入到计算机的信息总和，结构是指数据之间的关系，数据结构就是将数据及其之间的关系有效地存储在计算机中。算法是指对特定问题求解步骤的一种描述，说白了就是解决问题的方法策略。

遇到一个实际问题，充分利用所学的数据结构，将数据及其之间的关系有效地存储在计算机中，然后选择合适的算法策略，并用程序高效实现。，这就是N.Wirth教授所说的：数据结构+算法＝程序。

为什么要学习数据结构？

计算机专业本科生都开设数据结构课程，它是计算机学科知识结构的核心和技术体系的基石。研究生考试也是必考科目，随着科学技术的飞速发展，数据结构的基础性地位不仅没有动摇，反而由于近年来算法工程师的高薪火爆，使得数据结构的重视程序空前高涨。很多人觉得基本的数据结构及操作已经在高级语言中封装，如C++、JAVA，栈、队列、排序、优先队列等等，都可以直接调用库函数，学会怎么调用就好了，干嘛要重复造轮子？ 那么到底有没有必要好好学习数据结构？

先看学习数据结构有什么用处：

（1） 学习数据有效存储的方法

很多学生在学习数据结构时，问我要不要把单链表插入删除背下来？要不合上书就不会写了。我非常诧异，为什么要背？理工科技术知识很少需要记忆的，是用的，用的！学习知识不是死记硬背，更重要的是学习处理问题的方法。同一个问题，如何有效地存储数据，不同的数据结构产生什么样的算法复杂性，有没有更好的存储方法提高算法的效率？通过学习数据结构，更加准确和深刻地理解不同数据结构之间的共性和联系，学会选择和改进数据结构，高效地设计并实现各种算法，这才是数据结构的精髓。

（2） 处理具有复杂关系的数据

现实中很多具有复杂关系的数据，无法通过简单的库函数调用实现。如同现在很多芯片高度集成，完全不需要芯片内部如何，直接使用就行了。但是，如果在现实中遇到一个复杂问题，一个芯片只能完成其中一个功能，难道要连接十几块芯片来解决这一个问题？这显然是不合适的，我们需要的是完成该复杂问题的一个芯片，因此需要运用所学的数据结构知识，高效处理具有复杂关系的数据。

2 python数据结构

python的数据结构主要有 列表、元组、字典

Python中列表是可变的，这是它区别于字符串和元组的最重要的特点，一句话概括即：列表可以修改，而字符串和元组不能。

列表有着如同c语言的堆栈、队列等特点。

 将列表当做堆栈使用

列表方法使得列表可以很方便的作为一个堆栈来使用，堆栈作为特定的数据结构，最先进入的元素最后一个被释放（后进先出）。用 append() 方法可以把一个元素添加到堆栈顶。用不指定索引的 pop() 方法可以把一个元素从堆栈顶释放出来。例如：

list1 = [1, 2, 3, 4, 5]
list1.append(6)
list1.append(7)
print(list1)
list1.pop()
print(list1)

输出结果：[1, 2, 3, 4, 5, 6, 7]
                  [1, 2, 3, 4, 5, 6]

 将列表当作队列使用

也可以把列表当做队列用，只是在队列里第一加入的元素，第一个取出来；但是拿列表用作这样的目的效率不高。在列表的最后添加或者弹出元素速度快，然而在列表里插入或者从头部弹出速度却不快（因为所有其他的元素都得一个一个地移动）。

以上仅仅举例说明不同的语言数据结构虽然不同，但是最终都是实现“如何将数据存储在计算机中”

其他数据结构这里就不依次说明了，个人推荐去http://www.runoob.com/python3/python3-data-structure.html python菜鸟教程上仔细看看python数据结构。

有了数据结构基础根据实际项目要求设计实现算法。