【Python学习教程】数据结构与算法

前言

python内置的数据结构包括：列表（list）、集合（set）、字典（dictionary），一般情况下我们可以直接使用这些数据结构，但通常我们还需要考虑比如搜索、排序、排列以及赛选等一些常见的问题。

如何巧妙的使用数据结构和同数据有关的算法，在collections模块中包含了针对各种数据结构的解决方法。

1、序列分解为变量

In [5]: a = (4,5,6)
In [6]: x,y,z = a
In [7]: x
Out[7]: 4
In [8]: z
Out[8]: 6
In [9]: y
Out[9]: 5
In [10]: b = ['python',222,(2018,9,30)]  #嵌套分解变量
In [11]: p,n,(year,mon,day) = b
In [12]: p
Out[12]: 'python'
In [13]: n
Out[13]: 222
In [14]: year
Out[14]: 2018
In [15]: day
Out[15]: 30

可以分解的对象只要是可迭代对象如字符串、文件、迭代器和生成器

In [16]: s = 'py'
In [17]: x,y = s
In [18]: x
Out[18]: 'p'

忽略某个值使用下划线代替

In [19]: data = 'python'
In [20]: x,_,_,y,_,_ = data
In [21]: x
Out[21]: 'p'
In [22]: y
Out[22]: 'h'

2、任意长度对象分解元素

要从某个可迭代对象中分解出N个元素，可以使用python的“*表达式”来代表多个

列1：在作业成绩中去掉最高和最低后取平均分

In [47]: grades = (68,98,85,78,84,79,88)
In [48]: def drop_first_last(grades):
    ...:     first,*middle,last = grades
    ...:     return sum(middle) / len(middle)
    ...: 
    ...: 

In [49]: drop_first_last(sorted(list(grades),reverse=True))
Out[49]: 82.8

列2：在嵌套元组中*式语法的分解应用

records = [
    ('foo',1,2,3),
    ('bar',11,22,33),
    ('foo',4,5,6),
    ('bar',44,55,66),
]

def do_foo(x,y,z):
    print('foo',x,y,z)

def do_bar(a,b,c):
    print('bar',a,b,c)

for tag,*args in records:  #分解元组打印
    if tag == 'foo':
        do_foo(*args)
    elif tag == 'bar':
        do_bar(*args)

#outing
foo 1 2 3
bar 11 22 33
foo 4 5 6
bar 44 55 66

列3：通过split拆分分解元素

In [52]: passwd = 'root:x:0:0:root:/root:/bin/bash'

In [53]: username,*_,homedir,sh = passwd.split(":")

In [54]: username
Out[54]: 'root'

In [55]: homedir
Out[55]: '/root'

In [56]: sh
Out[56]: '/bin/bash'

3、保存最后N个元素

列1：使用collections.deque保存有限的历史纪录，deque用来创建一个固定长度的队列

In [61]: from collections import deque
#创建队列长度对象
In [62]: q = deque(maxlen=3)

加入数据到队列

In [63]: q.append(1)

In [64]: q.append(2)

In [65]: q.append(3)

In [66]: q
Out[66]: deque([1, 2, 3])

In [67]: q.append(4)

In [68]: q
Out[68]: deque([2, 3, 4])

从左边加入数据到队列

In [69]: q.appendleft(5)

In [70]: q
Out[70]: deque([5, 2, 3])

从末尾取出一个数据

In [71]: q.pop()
Out[71]: 3

In [72]: q
Out[72]: deque([5, 2])

In [73]: q.popleft()
Out[73]: 5

In [74]: q
Out[74]: deque([2])

4、找到最大或最小的N个元素

在heapq模块中有两个函数nlargest()从最大的值开始取，nsmallest()从最小的值开始取

In [75]: import heapq

In [76]: numbers = [1,3,4,9,11,34,55,232,445,9812,321,45,67,434,555]
#取三个最大的值
In [77]: heapq.nlargest(3,numbers)
Out[77]: [9812, 555, 445]
#取三个最小的值
In [78]: heapq.nsmallest(3,numbers)
Out[78]: [1, 3, 4]

5、python堆排序peapq模块

hepaq模块实现了python中的推排序，并提供了很多方法，让用python实现排序算法有了简单快捷的方式

In [1]: import heapq
In [2]: date = [19,1,9,3,11,21]
In [3]: heap = []

heappush方法会插入一个元素到堆中，并按从小到大排序

In [4]: for i in date:
   ...:     heapq.heappush(heap,i)
   ...:     
In [5]: heap
Out[5]: [1, 3, 9, 19, 11, 21]
In [6]: date
Out[6]: [19, 1, 9, 3, 11, 21]

heapify方法会重新排序整个列表

In [7]: heapq.heapify(date)
In [8]: date
Out[8]: [1, 3, 9, 19, 11, 21]

heappop()方法会取出第一个元素，并将剩下的元素堆排序

In [10]: date
Out[10]: [19, 1, 9, 3, 11, 21]
In [11]: heapq.heappop(date)
Out[11]: 19
In [12]: date
Out[12]: [1, 3, 9, 21, 11]

heapreplace()的作用是在堆中取第一个元素并插入一个元素

In [27]: date = [11,8,3,78,35]
In [28]: heapq.heapreplace(date,1)
Out[28]: 11
In [29]: date
Out[29]: [1, 8, 3, 78, 35]

在集合中找出最大或者最小的N个元素，可以使用nlargest()和nsmallest()

In [30]: date = [3,88,32,97,56]
In [31]: heapq.nlargest(2,date)
Out[31]: [97, 88]
In [33]: heapq.nsmallest(2,date)
Out