Python中常见数据结构

最新推荐文章于 2024-09-27 10:11:28 发布

蜡笔小新星

最新推荐文章于 2024-09-27 10:11:28 发布

阅读量1.1k

点赞数 13

文章标签： python 数据结构前端经验分享学习

本文链接：https://blog.csdn.net/m0_54490473/article/details/141333020

版权

文章目录

下面是对Python中常见数据结构的详细介绍，包括它们的特性、优缺点和使用场景，并提供示例代码。

1. 列表（List）

特性：

有序集合，可以包含重复元素。
支持索引、切片和各种操作。

优缺点：

优点：动态大小，易于操作。
缺点：查找时间复杂度为O(n)，插入和删除时可能需要移动元素。

使用场景：

存储有序的元素，适合需要频繁修改或访问的场景。

示例：

# 创建列表
my_list = [1, 2, 3, 4, 5]

# 添加元素
my_list.append(6)

# 删除元素
my_list.remove(3)

# 访问元素
print(my_list[0])  # 输出 1

# 切片
print(my_list[1:4])  # 输出 [2, 4, 5]

2. 元组（Tuple）

特性：

有序集合，元素不可更改（不可变）。
可以包含重复元素。

优缺点：

优点：占用内存小，支持哈希，可以用作字典的键。
缺点：一旦创建，不能更改其内容。

使用场景：

当需要一个固定集合的元素，可以使用元组。例如，返回多个值时。

示例：

# 创建元组
my_tuple = (1, 2, 3)

# 访问元素
print(my_tuple[1])  # 输出 2

# 元组的不可变性
# my_tuple[1] = 4  # 会报错

3. 字典（Dictionary）

特性：

无序的键值对集合，键（key）必须是不可变类型。
支持快速查找。

优缺点：

优点：快速查找，灵活的结构。
缺点：内存占用相对较高。

使用场景：

存储相关联的数据，比如用户信息（用户名和用户ID）。

示例：

# 创建字典
my_dict = {'name': 'Alice', 'age': 30}

# 添加条目
my_dict['city'] = 'New York'

# 访问元素
print(my_dict['name'])  # 输出 Alice

# 删除条目
del my_dict['age']

4. 集合（Set）

特性：

无序的唯一元素集合，不能包含重复元素。

优缺点：

优点：快速查找、插入和删除。
缺点：内部实现需要更多内存。

使用场景：

去重、集合运算（交集、并集等）。

示例：

# 创建集合
my_set = {1, 2, 3, 4}

# 添加元素
my_set.add(5)

# 删除元素
my_set.remove(2)

# 集合运算
other_set = {3, 4, 5, 6}
print(my_set & other_set)  # 输出 {3, 4, 5}（交集）

5. 数组（Array）

Python中的数组可以通过array模块实现，但通常使用NumPy中的数组来处理更高级的数学和科学计算。

特性：

可以存储大量元素，支持高效的矩阵运算。

优缺点：

优点：提供高效的内存使用和操作速度。
缺点：需要额外的库，较少使用基本Python库。

使用场景：

数学计算、科学研究。

示例（使用numpy）：

import numpy as np

# 创建数组
my_array = np.array([1, 2, 3, 4])

# 数组运算
my_array = my_array * 2  # 每个元素乘以2

print(my_array)  # 输出 [2 4 6 8]

6. 栈（Stack）

栈是一种后进先出（LIFO）的数据结构。

特性：

使用append()和pop()方法实现。

优缺点：

优点：简单，使用方便。
缺点：只允许从一端插入和删除。

使用场景：

函数调用、括号匹配。

示例：

stack = []

# 压入
stack.append(1)
stack.append(2)

# 弹出
top = stack.pop()  # top = 2

7. 队列（Queue）

队列是一种先进先出（FIFO）的数据结构。

特性：

使用collections.deque实现。

优缺点：

优点：快速的插入和删除。
缺点：对随机访问不友好。

使用场景：

任务调度、宽度优先搜索。

示例：

from collections import deque

queue = deque()

# 入队
queue.append(1)
queue.append(2)

# 出队
first = queue.popleft()  # first = 1

8. 链表（Linked List）

链表是一种线性数据结构，由节点组成，每个节点包含数据和指向下一个节点的指针。

特性：

动态大小，效率高。

优缺点：

优点：插入和删除速度快。
缺点：需要额外的存储空间，访问时从头遍历。

使用场景：

数据插入和删除频繁的情况。

示例：

class Node:
    def __init__(self, data):
        self.data = data
        self.next = None

class LinkedList:
    def __init__(self):
        self.head = None

    def append(self, data):
        if not self.head:
            self.head = Node(data)
            return
        current = self.head
        while current.next:
            current = current.next
        current.next = Node(data)

# 使用链表
linked_list = LinkedList()
linked_list.append(1)
linked_list.append(2)

9. 树（Tree）

树是一种层次数据结构，由节点组成，每个节点有零或多个子节点。

特性：

非线性结构，便于表示层次关系。

优缺点：

优点：高效的查找、插入和删除。
缺点：实现复杂，树的平衡需求。

使用场景：

文件系统、数据库索引。

示例（简单的二叉树）：

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

# 构建二叉树
root = TreeNode(1)
root.left = TreeNode(2)
root.right = TreeNode(3)

10. 图（Graph）

图是一种由节点和边组成的数据结构，用于表示对象及对象之间的关系。

特性：

可以是有向图或无向图。

优缺点：

优点：可以表示复杂的关系。
缺点：处理和实现复杂性高。

使用场景：

网络连接图、推荐系统。

示例（邻接表）：

class Graph:
    def __init__(self):
        self.graph = {}

    def add_edge(self, u, v):
        if u not in self.graph:
            self.graph[u] = []
        self.graph[u].append(v)

# 使用图
g = Graph()
g.add_edge(0, 1)
g.add_edge(0, 2)
g.add_edge(1, 2)