python数据结构与算法 19有序列表 ADT及实现

最新推荐文章于 2022-08-30 16:21:38 发布

杀了这个男孩

最新推荐文章于 2022-08-30 16:21:38 发布

阅读量3.6k

点赞数 2

分类专栏： python 算法与数据结构译稿文章标签：数据结构算法 python 有序列表 adt

python 算法与数据结构译稿专栏收录该内容

44 篇文章 16 订阅

订阅专栏

有序列表ADT

我们开始讨论有序列表。就如上节中我们讨论的列表，如果数据项按升序排列，就要写成17，26，31，54，77，93。17是最小的，就是第一个数据项，93是最大的，就占最后的位置。

有序列表的数据结构是数据项的集合，数据项之间保持其相对位置，而且这个位置是根据数据项的某个潜在特征排列的。典型的排列方法一般就是升序或降序或其他定义好的比较方法。有序列表的操作大部分与无序列表很象。

OrderedList() 创建有序列表，无需参数，返回空列表。

add(item) 加入数据项，并保持原有顺序特征。需要一个数据作为参数，无返回值，并假定要加入的数据不在列表里。

remove(item) 移除一个数据项，需要待移除的数据为参数，列表被个性。假设要移除的数据列表中确实有。

search(item) 查找数据项，参数是数据，返回布尔值。

isEmpty() 检查是否空表，不需要参数，返回布尔值。

size() 返回列表数据项数量，不需要参数，返回一个整数。

index(item) 返回数据项在列表中的位置。参数是数据，返回索引值。假设要查找的数据确实在列表里。

pop() 移除列表最后一个数据项，不需要参数，返回那个被移除的数据。假定列表不是空表。

pop(pos) 移除并返回指定位置的数据项，参数是位置索引，返回值是删除的项，假定列表中有这个项。

有序列表实现

要实现有序列表，我们必须要记住，列表的顺序是按一定规则排列的，前面讲过的整数列表（17，26，31，54，77，93）可用图15的表示方法，再一次，我们采用链接的节点来实现列表。

图15 有序列表

有序列表类同无序列表一样，仍然用一个指向None的引用head来实现。

Listing 8

classOrderedList:

    def__init__(self):

        self.head=None

在有序列表中操作中，isEmpty和size仍然象无序表中一样，这是因为它们只关心数据项的个数，而不关心数据大小。同样的，remove的操作也完全一样，只涉及前后的节点，与数据大小无关。只有search和add方法，需要作出改变。

无序列表的查找方法就是一次遍历所有元素来查找。在有序列表中，这个方法仍然适用，不过现在可以利用列表“有序”的特点，提前停止查找。

图16所示，在列表中查找45。遍历的时候，从head开始，对比17，17不对，对比26，仍然不对，再到31，不对，到54。这时感觉有什么不一样了吗？既然54不是我们要找的，理应到下一个节点，但是，这是一个有序列表，后面的数据项不必继续对比，因为一旦节点数据比我们要找的数据大，后面的数据只会更大，可以肯定返回值是False，停止查找。

Listing 9是对有序列表查找的实现。这里增加了一个新的布尔值变量stop，并初始化为False，与原有的判断条件结合在一起。如果stop是False(notstop)，就继续查找，一旦发现某个数据比查找目标大，就设置stop为True。其他的与无序列表一样。

Listing 9

defsearch(self,item):

    current =self.head

    found =False

    stop =False

    while current !=Noneandnot found andnot stop:

        if current.getData()== item:

            found =True

        else:

            if current.getData()> item:

                stop =True

            else:

                current = current.getNext()

    return found

变化最大的是add方法，回想在无序列表里，add方法只需要简单地在最前面增加一个节点，而这个点是最容易找到的一个。不幸的是，在有序列表里，这样不行，必须为新节点找到合适的位置。

假定我们有了列表17，26，54，77，93，现在要增加一个31。Add方法必须找到合适的位置，即位于26和54之间。如图17 显示了找到位置后的设置方法。如前所述，我们要遍历列表来找到位置，找么找到列表尾部（current成为None），要么找到第一个比我们要添加的数据大的数据项，停止遍历，它前面就是要添加位置。如图17中的54。

图17 在有序列表中添加数据项

如同在无序列表中看到的，既然current无法修改它前面的节点，也需要一个额外的引用变量，仍然叫做previous，跟在current后面遍历。List10是完整的add方法。2-3行设置了两个额外的引用，9-10行让previous跟在current后面亦步亦趋。5行的条件判断，只要后面还有节点，而且当节点数据不大于添加项，循环叠代就继续下去。循环停止的时候，就是找到位置的时候。

图17所示的方法，这里用了两上步。节点构建以后，剩下的问题就是，要么放在队列前面，要么放在中间某处。那么13行的previous==None就是区别条件。

Listing 10

defadd(self,item):

    current =self.head

    previous =None

    stop =False

    while current !=Noneandnot stop:

        if current.getData()> item:

            stop =True

        else:

            previous = current

            current = current.getNext()

    temp = Node(item)

    if previous ==None:

        temp.setNext(self.head)

        self.head= temp

    else:

        temp.setNext(current)

        previous.setNext(temp)

目前为止讨论过的有序列表的方法都在下面的，没有列出的方法留作练习。练习时，小心考虑，无序列表的方法在有序表中是否仍然适用。

class Node:

def__init__(self,initdata):

self.data =initdata

self.next = None

def getData(self):

return self.data

def getNext(self):

return self.next

defsetData(self,newdata):

self.data =newdata

defsetNext(self,newnext):

self.next =newnext

class OrderedList:

def __init__(self):

self.head = None

def search(self,item):

current =self.head

found = False

stop = False

while current !=None and not found and not stop:

ifcurrent.getData() == item:

found =True

else:

ifcurrent.getData() > item:

stop =True

else:

current = current.getNext()

return found

def add(self,item):

current =self.head

previous = None

stop = False

while current !=None and not stop:

ifcurrent.getData() > item:

stop =True

else:

previous =current

current =current.getNext()

temp = Node(item)

if previous ==None:

temp.setNext(self.head)

self.head =temp

else:

temp.setNext(current)

previous.setNext(temp)

def isEmpty(self):

return self.head== None

def size(self):

current =self.head

count = 0

while current !=None:

count = count+ 1

current =current.getNext()

return count

mylist = OrderedList()

mylist.add(31)

mylist.add(77)

mylist.add(17)

mylist.add(93)

mylist.add(26)

mylist.add(54)

print(mylist.size())

print(mylist.search(93))

print(mylist.search(100))

链表性能分析

链表的性能分析，取决于是否需要遍历。考虑一个n个节点的链表，isEmpty方法是O(1)，因为它只需要判断head==None。另一些方法则需要n 步，因为除了从头到尾遍历一遍，别无它法，所以length是O(n) （原著中是O(1)，根据上文意思修改）。在无序列表里添加数据项是O(1)，因为是加在最前面的，不用查找。但search\remove\add对有序列表来说，都需要遍历，即便有时不用全部遍历，但在最坏的情况下仍是全部遍历的。所以他们全是O(n)。

你也许注意到我们这里讨论的性能与python语言里的list性能不同。这就提示我们，python语言的列表不是这么实现的，实际上python的list是用数组实现的，我们在另外的章节里讨论数组。