Effective Python 读书笔记: 第46条: 使用内置算法与数据结构

# -*- encoding: utf-8 -*-

import bisect
import collections
import heapq
import random

'''
第46条: 使用内置算法与数据结构

关键:
1 双向队列
collections.deque: 可以从队列的头部或尾部插入或移除一个元素
                    消耗常数级别的时间
与list的区别:
list尾部插入是常数时间，但是头部插入/移除是线形级别时间

分析:
list应该是单链表的实现，维护了指向最后一个元素的指针
deque应该是双向链表，同时维护第一个元素和最后一个元素的指针

2 有序字典
标准字典: 无序，在相同键值对的字典上迭代，可能出现不同的
        迭代顺序。

collections.OrderedDict: 
含义: 特殊字典，按照插入顺序，保留键值对在字典中的顺序
适用: 对顺序有先后要求的场合，例如最长前缀匹配

3 带有默认值的字典
collections.defaultdict: 如果字典里面没有待访问的键，那么就会把
                        默认值与这个键关联起来。只需要提供返回默认值的函数

4 优先级队列
heap模块: 实现了优先级队列，提供heappush, heappop, nsmallest，
            实现在list中创建堆结构
特点: 优先级上执行操作，消耗线性级别时间

5 二分查找
bisect模块: 提供bisect_left函数提供了二分查找算法
        bisect_left函数返回索引表示待搜寻的值在序列中的插入点
        

6 与迭代器有关的工具
itertools模块: 组合操作迭代器
分为三大类:
1) 把迭代器连接起来的函数:
chain: 把多个迭代器按顺序连接成一个迭代器
cycle: 无限重复某个迭代器中的各个元素
tee: 把一个迭代器拆分成多个平行的迭代器
zip_longest: 与内置zip函数相似，但是可以对应长度不同的迭代器

2) 从迭代器中过滤元素的函数
islice: 在不进行复制的前提下，根据索引值来切割迭代器
takewhile: 在判定函数为True的时候，从迭代器中逐个返回元素
dropwhile: 从判定函数为False的地方开始，逐个返回迭代器中的元素
filterwhile: 从迭代器中逐个返回能令判定函数为False的所有元素，与filter函数功能相反

3) 从迭代器中过滤元素的函数:
product: 根据迭代器中元素计算笛卡尔积，并返回
permutations: 用迭代器中元素构建长度为N的有序排列，并将所有排列返回
combination: 用迭代器中的元素构建长度为N的各种无序组合并返回


参考:
Effectiv Python 编写高质量Python代码的59个有效方法
'''
def useDeque():
    myQueue = collections.deque()
    myQueue.append(1)
    value = myQueue.popleft()
    print value


def useDict():
    a = {'foo': 1, "bar": 2}
    while True:
        z = random.randint(99, 1013)
        b = {}
        for i in range(z):
            b[i] = i
        b['foo'] = 1
        b['bar'] = 2
        for i in range(z):
            del b[i]
        if str(b) != str(a):
            break
    print a
    print b
    result= a==b
    print "Equal ?, {value}".format(value=result)


def useOrderedDict():
    dict1 = collections.OrderedDict()
    dict1['foo'] = 1
    dict1['bar'] = 2
    dict2 = collections.OrderedDict()
    dict2['foo'] = 'red'
    dict2['bar'] = 'blue'
    for element1, element2 in zip(dict1.values(), dict2.values()):
        print (element1, element2)


def useDefaultDict():
    counter = collections.defaultdict(int)
    counter['hello'] += 1
    print counter['hello']


def useHeap():
    arr = []
    heapq.heappush(arr, 5)
    heapq.heappush(arr, 3)
    heapq.heappush(arr, 7)
    heapq.heappush(arr, 4)
    assert arr[0] == heapq.nsmallest(1, arr)[0] == 3
    print heapq.heappop(arr)
    print heapq.heappop(arr)
    print heapq.heappop(arr)
    print heapq.heappop(arr)


def useBisect():
    arr = list(range(10**6))
    index = bisect.bisect_left(arr, 991234)
    print index


def process():
    useDeque()
    useDict()
    useOrderedDict()
    useDefaultDict()
    useHeap()
    useBisect()


if __name__ == "__main__":
    process()