MGTS3401数据结构 线性表 python实现

1.线性表概念

线性表是 N 个具有相同特征的结点 A 0 , A 1 , …, A N-1 构成的集合。在这个集合中，除了A 0 和 A N-1 外，每个元素都有唯一的前趋和后继。对于每个 A i ，它的前驱是A i-1 ，它的后继是 A i+1 。 A 0 只有后继没有前驱， A N-1 只有前驱没有后继。

• 表的术语：

• N为表的大小

• A 0 称为首结点， A N-1 称为尾结点

• 空表：元素个数为零的表。

• 位置：元素A i 在表中的位置为i

2.表的基本操作

• create() ：创建一个空的线性表;

• length() ：返回线性表的长度;

• search(x) ：在线性表中搜索x是否出现，若出现则返回x的位置;

• visit(i) ：返回线性表中第i个数据元素的值;

• insert(i, x) ：在第i个位置插入一个元素，使线性表从（a0,a1,…ai-1,ai, …an-1）变成（a0,a1,…ai-1,x,ai, …an-1），参数i的合法取值范围是0到n；

• remove(i) ：删除第i个位置的元素使线性表从（a0,a1,…ai-1,ai, ai+1 …an-1）变成（a0,a1,…ai-1, ai+1 , …an-1），参数i的合法取值范围是0到n-1;

• clear() ：删除线性表中的所有数据元素；

• traverse() ：遍历线性表，即按序访问线性表的每一数据元素。

代码：

class LinearList:
    def __init__(self, maxSize=4):
        self.capacity = maxSize # 最大容量
        self.data = [None] * self.capacity #用列表存储线性表的元素
        self.size = 0  #记录线性表的长度

    def create(self, maxSize=4):
    # create和__init__函数基本一致，所以可以直接用__init__代替
        self.capacity = maxSize
        self.data = [None] * self.capacity
        self.size = 0
    
    def search(self, x):
        for i in range(self.size):
            if self.data[i] == x:
                return i
        return -1 # 如果元素不存在，返回-1

    def length(self):
        return self.size

    def clear(self):
        self.size = 0

    def insert(self, i, x):
        if self.size == self.capacity:
            self.double_space()
        if 0 <= i <= self.size:
            for j in range(self.size, i, -1):
                self.data[j] = self.data[j - 1]
                self.data[i] = x
                self.size += 1
        else:
            raise IndexError("Invalid index")

    def double_space(self):
        self.capacity *= 2
        new_data = [None] * self.capacity
        for i in range(self.size):
            new_data[i] = self.data[i]
            self.data = new_data

    def remove(self, i):
        if 0 <= i < self.size:
            for j in range(i, self.size - 1):
                self.data[j] = self.data[j + 1]
                self.data[self.size - 1] = None
                self.size -= 1
        else:
            raise IndexError("Invalid index")
    
    def visit(self, i):
        if 0 <= i < self.size:
            return self.data[i]
        else:
            raise IndexError("Index out of range")

    def traverse(self):
        for i in range(self.size):
            print(self.data[i], end=' ')
        print()

3.时间复杂度分析

• length, visit和clear的实现与表中的元素个数无关，因此它们的时间复杂度是𝑂(1) 。

• traverse()操作遍历整个数组中的所有元素，因此时间复杂度为 𝑂(𝑛) 。

• create操作需要申请一块动态数组的空间，并设表为空。因此也是 𝑂(1) 的时间复杂度。

• insert()，需要移动结点。当i等于n时，移动次数为0。当i等于0时，移动次数为n。

        • 最好情况下的时间复杂度为 𝑂(1)

        • 最坏情况下的时间复杂度为 𝑂(𝑛)

        • 平均的时间复杂度：如果在每个位置上的插入都是等概率的，则插入算法的平均时间复杂度为n/2, 𝑂(𝑛)

4.总结

• 由于逻辑次序和物理次序的一致性使得定位访问的性能很好。

• 由于要保持逻辑次序和物理次序的一致性，顺序表在插入删除时需要移动大量的数据，性能不太理想。

                因此顺序表比较适合静态的、经常做定位访问的线性表

• python中list的底层实现大致与我们说的顺序线性表相同（虽然我们在代码演示中也使用了list，但我们并未使用list自带的append(), insert(), remove(),clear()等函数，而是自己写了一份含义基本相同的）