Python算法概述(1)

  • 何为数据?:数据是指一种未经处理的原始文字、数字、符号或图形等。可分为两大类:一类为数值数据,另一类为字符数据;
  • 数据结构是相互之间存在一种或多种特定关系的数据元素的集合,即带“结构”的数据元素的集合。“结构”就是指数据元素之间存在的关系,分为逻辑结构和存储结构。
2、数据结构的种类
  • 数组
    (1)、数组结构其实就是一排紧密相邻的可数内存,并提供一个能够直接访问单一数据内容的计算方法。
    (2)、一维数组
    声明一个一维数组:Score[0] * 5
    (3)、二维数组
    声明一个二维数组:number=[[1,2,4],[1,3,4],[,4,5,7]]
    (4)、三维数组
    声明一个三维数组:
    arr=[[[1,2,4],[1,3,4],[,4,5,7]],[[1,2,4],[1,3,4],[,4,5,7]],[[1,2,4],[1,3,4],[,4,5,7]]]
    (5)、数组支持随机访问
  • 链表
    (1)、链表是许多相同数据类型的数据项按特定顺序排序而成的线性表。其特性是各个数据项在计算机内存中的位置是不连续的且随机存放的;
    优点:数据的插入或删除都相当方便。
    缺点:设计数据结构比较麻烦。
    (2)、链表支持顺序访问
  • 堆栈
    (1)、一组相同数据类型的组合,具有“后进先出”的特性
    (2)、基本运算
    creat: 创建一个空栈
    push: 把数据压入栈顶,并返回新堆栈
    pop: 从栈顶弹出数据,并返回新堆栈
    isEmpty: 判断堆栈是否为空堆栈,是返回“true”,否则返回“false”
    full: 判读堆栈是否已满,是返回“true”,否则返回“false”
  • 队列
    (1)、一种“先进先出”的数据结构
    (2)、基本操作
    creat:创建空队列
    add: 将数据加入到队列的末尾,返回新队列
    delete: 删除队列前端的数据,返回新队列
    front: 返回队列前端的值
    empty: 若队列为空,是返回“真”,否则返回“假”
树形结构

在这里插入图片描述

(1)、树的基本概念
树是N (N >= 0 )个结点的有限集合,N = 0 时,称为空树,这是一种特殊情况。在任意一棵非空树中应满足:
1) 有且仅有一个特定的称为根的结点。
2)当 N > 1 时,其余结点可分为 m ( m > 0)个互不相交的有限集合T1 , T2 , T3 , … Tm ,其中每一个集合本身又是一棵树,并且称为根结点的子树。
(2)、概念介绍:
① 度数:每个节点所有子树的个数。
② 层数:树的层。
③ 高度:树的最大层数
④ 树叶或终端节点:度数为零的就是叶子节点
⑤ 父节点:每一个节点有连接的上一层节点
⑥ 子节点:每一个节点有连接的下一层节点
⑦ 祖先或子孙:
是指树根到该节点路径上所包含节点,而子孙节点是在该节点往下追溯子树中的任一节点
⑧ 兄弟节点:有共同父节点的节点为兄弟节点
⑨ 非终端节点:树叶以外的节点
⑩ 同代:在同一颗中具有相同层数的节点
⑪ 森林:n棵(n >= 0)互斥树的集合

二叉树

在这里插入图片描述

(1)、二叉树是一个由有限节点所组成的集合,此集合可为空集合,或由一个树根及其左右两个子树所组成。简单说,二叉树最多只能有两个子节点,度数<=2
二叉树的数据结构:
在这里插入图片描述

二叉树和一般树的不同如下:
① 树不可为空集合,但二叉树可以
② 树的度数为d>=0,但二叉树的节点度数为:0<=d<=2
③ 树的子树间没有次序关系,二叉树则有

图形结构

(1)、图形定义
图是由“顶点”和“边”所组成的集合,通常用G=(V,E),V代表所有顶点组成的集合,E代表所有边组成的集合。图的种类有两种:一种是无向图,一种是有向图,无向图以(V1,V2)表示其边,而有向图则以<V1,V2>表示其边。

哈希表
哈希表是一种存储记录的连续内存,通过哈希函数的应用,可以快速存取和查找数据。基本上,哈希表就是本身的键值,通过特定的数学函数运算或使用其他的方法,转成相应的数据存储地址。
(1)、哈希函数的相关名词

  • Bucket(桶):哈希表中存储数据的位置,每一个位置对应到唯一的一个地址(bucket address)。桶就好比一个记录;
  • Slot(槽):每一个记录中可能包含好几个字段,而slot指的就是桶中的字段;
  • Collision(碰撞):两项不同的数据,经过哈希函数运算后,对应到相同的地址。
  • 溢出:如果数据经过哈希函数运算后,所对应到的bucket已满,就会使bucket发生溢出。
  • 哈希表:存储记录的连续内存,哈希表是一种类似数据表的索引表格,可分为n个bucket,每个bucket又可分为m个slot。
  • 同义词(Synonym):两个标识符I1和I2经哈希函数运算后所得的数值相同,即f(I1)=f(I2)
  • 加载密度(Loading Factor):所谓加载密度是指标识符的使用数量除以哈希内槽的总数:
    ժ(加载密度)= n(标识符的使用数目)/ [ s(每一个桶内的槽数)* b(桶的数目)]
    Ժ 值越大,表示哈希空间使用率越高,碰撞或溢出的概率也会越高
  • 完美哈希(Perfect Hashing):没有碰撞也没有溢出的哈希函
    (2)、设计哈希函数时应遵循的原则
    ① 降低碰撞和溢出的产生
    ② 哈希函数不宜过于复杂,越容易计算越佳
    ③ 尽量把文字的键值转成数字的键值,以利于哈希函数的计算
    ④ 所设计的哈希函数计算得到的值,尽量能均匀分布在每一桶中,不要过于集中某个桶内,这样可以降低碰撞,并减少溢出的处理。

三、排序算法

3.1、内存的工作原理
  • 需要将数据存储到内存时,请求计算机提供存储空间,计算机分配一个存储地址。
  • 需存储多项数据时,可以根据情况选择数组还是链表。
3.2、何为排序?
  • 指将一则数组,按特定规则调换位置,使数据具有某种顺序关系(递增或是递减)
  • 在排序过程中,数据移动方式可分为“直接移动”和“逻辑移动”两种。“直接移动”是直接交换存储数据的位置,而“逻辑移动”并不会移动数据存储的位置,仅改变指向这些数据的辅助指针的值。
3.3、选择排序
  • 选择排序也是枚举法的应用,反复从未排序的数列中取出最小元素,加入到另一个数列中,最后的结果即为已排序的数列。
  • 选择排序可使用两种方式排序:
    ① 在所有数据中,从小到大排序,将最大值放入第一个位置
    ② 从小到大排序,将最大值放入最后一个位置
  • 时间复杂度
    ① 选择排序是一种灵巧的算法,但速度不是很快
    ② 时间复杂度:O(n*n)
  • 应用场景
    ① 电话簿中的人名排序
    ② 旅行日期的安排
    ③ 电子邮件按时间排序(新到旧)
3.4、冒泡排序
  • 冒泡排序法又称高效排序法,是从观察水中气泡变化构思而成,原理是从第一个元素开始,比较相邻元素的大小,若大小顺序有误,则对调后再进行下一个元素的比较,就像气泡从水底逐渐冒升到水面上一样。如此扫描过一次之后就可确保最后一个元素位于正确的顺序。接着逐步进行第二次扫描,直到完成所有元素的排序关系为止。
3.5、插入排序

一、Python所有方向的学习路线

Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照下面的知识点去找对应的学习资源,保证自己学得较为全面。

img
img

二、Python必备开发工具

工具都帮大家整理好了,安装就可直接上手!img

三、最新Python学习笔记

当我学到一定基础,有自己的理解能力的时候,会去阅读一些前辈整理的书籍或者手写的笔记资料,这些笔记详细记载了他们对一些技术点的理解,这些理解是比较独到,可以学到不一样的思路。

img

四、Python视频合集

观看全面零基础学习视频,看视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。

img

五、实战案例

纸上得来终觉浅,要学会跟着视频一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。img

六、面试宝典

在这里插入图片描述

在这里插入图片描述

简历模板在这里插入图片描述

网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友,可以戳这里无偿获取

一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值