Python开发－数据结构-CSDN博客

本文链接：https://blog.csdn.net/benshu_001/article/details/136935324

Python提供了几种内置的数据结构,可以用来存储和组织数据。以下是Python中常见的数据结构:列表，元组，字典，集合，字符串，栈，队列，树，图。我们将介绍这些数据结构，并举例说明。

列表(List):

列表是一个有序的、可变的序列,可以存储不同类型的元素。
使用方括号[]来定义列表,元素之间用逗号分隔。

fruits = ['apple', 'banana', 'orange', 'grape']
print(fruits)  # 输出: ['apple', 'banana', 'orange', 'grape']

元组(Tuple):

元组是一个有序的、不可变的序列,可以存储不同类型的元素。
使用小括号()来定义元组,元素之间用逗号分隔。

point = (3, 4)
print(point)  # 输出: (3, 4)

字典(Dictionary):

字典是一个无序的、可变的键值对集合。
使用大括号{}来定义字典,每个键值对用冒号:分隔,键值对之间用逗号分隔。

person = {'name': 'John', 'age': 25, 'city': 'New York'}
print(person)  # 输出: {'name': 'John', 'age': 25, 'city': 'New York'}

集合(Set):

集合是一个无序的、可变的、不允许重复元素的集合。
使用大括号{}或set()函数来定义集合,元素之间用逗号分隔。

numbers = {1, 2, 3, 4, 5}
print(numbers)  # 输出: {1, 2, 3, 4, 5}

字符串(String):

字符串是一个有序的、不可变的字符序列。
使用单引号''或双引号""来定义字符串。

message = 'Hello, World!'
print(message)  # 输出: Hello, World!

栈(Stack):

栈是一种后进先出(LIFO)的数据结构。
可以使用列表来模拟栈,使用append()方法添加元素,使用pop()方法移除并返回最后一个元素。

stack = [1, 2, 3]
stack.append(4)
stack.append(5)
print(stack)  # 输出: [1, 2, 3, 4, 5]
item = stack.pop()
print(item)  # 输出: 5
print(stack)  # 输出: [1, 2, 3, 4]

队列(Queue):

队列是一种先进先出(FIFO)的数据结构。
可以使用列表来模拟队列,使用append()方法添加元素,使用pop(0)方法移除并返回第一个元素。
Python提供了queue模块,其中的Queue类实现了队列的功能。

from queue import Queue

queue = Queue()
queue.put(1)
queue.put(2)
queue.put(3)
print(queue.get())  # 输出: 1
print(queue.get())  # 输出: 2
print(queue.get())  # 输出: 3

树(Tree):

树是一种层次结构的数据结构,由节点(Node)和边(Edge)组成。树具有以下特点:

树有一个特殊的节点称为根节点(Root Node),它没有父节点。
除了根节点外,每个节点都有且仅有一个父节点。
从根节点到任意节点的路径是唯一的。
树可以递归地定义为子树的集合,每个子树也是一棵树。

常见的树的类型包括:

二叉树(Binary Tree):每个节点最多有两个子节点,称为左子节点和右子节点。
二叉搜索树(Binary Search Tree):二叉树的一种,满足左子树的所有节点的值小于根节点,右子树的所有节点的值大于根节点。
平衡二叉树(AVL Tree):二叉搜索树的一种,满足左子树和右子树的高度差不超过1。
红黑树(Red-Black Tree):平衡二叉树的一种,通过引入颜色属性来维护树的平衡性。

下面是一个二叉树的例子:

class TreeNode:
    def __init__(self, value):
        self.val = value
        self.left = None
        self.right = None

root = TreeNode(1)
root.left = TreeNode(2)
root.right = TreeNode(3)
root.left.left = TreeNode(4)
root.left.right = TreeNode(5)

图(Graph):

图是一种由节点(Node)和边(Edge)组成的数据结构,用于表示对象之间的关系。图可以是有向的(Directed Graph)或无向的(Undirected Graph)。图具有以下特点:

图由一组节点(顶点)和一组边组成。
边连接两个节点,表示它们之间的关系。
有向图中的边有方向,表示从一个节点到另一个节点的关系。
无向图中的边没有方向,表示两个节点之间的双向关系。

图可以用邻接矩阵(Adjacency Matrix)或邻接表(Adjacency List)来表示:

邻接矩阵:使用二维数组表示图,如果节点i和节点j之间有边,则matrix[i][j] = 1,否则为0。
邻接表:使用列表或字典表示图,每个节点都有一个列表或字典,存储与之相连的节点。

下面是一个使用邻接表表示无向图的完整例子:

def dfs(graph, start, visited=None):
    if visited is None:
        visited = set()
    visited.add(start)
    print(start, end=' ')
    for neighbor in graph[start]:
        if neighbor not in visited:
            dfs(graph, neighbor, visited)

# 创建无向图
graph = {
    'A': ['B', 'C'],
    'B': ['A', 'D', 'E'],
    'C': ['A', 'F'],
    'D': ['B'],
    'E': ['B', 'F'],
    'F': ['C', 'E']
}

# 深度优先搜索遍历
print("DFS traversal:")
dfs(graph, 'A')  # 输出: A B D E F C

print("\n")

def bfs(graph, start):
    visited = set()
    queue = [start]
    visited.add(start)
    while queue:
        vertex = queue.pop(0)
        print(vertex, end=' ')
        for neighbor in graph[vertex]:
            if neighbor not in visited:
                queue.append(neighbor)
                visited.add(neighbor)

# 广度优先搜索遍历
print("BFS traversal:")
bfs(graph, 'A')  # 输出: A B C D E F

在这个例子中,我们使用字典来表示无向图。字典的键表示节点,对应的值是一个列表,存储与该节点相连的其他节点。

我们定义了两个遍历图的函数: