在深入学习Python进阶知识前,先让我们一起探讨 Python 中一些基础数据结构+进阶数据结构,它们是我们在日常编程中经常使用的工具。
一、基本数据结构
列表 (List)
首先,让我们来谈谈列表。它是一种有序的集合,允许我们存储不同类型的元素。创建一个列表很简单,例如:
my_list = [1, 2, 3, 'hello', 5.5]
你可以通过索引来访问列表的元素,比如 my_list[2]
将返回 3
。
元组 (Tuple)
元组也是有序集合,但与列表不同的是,它们是不可变的。如果你有一组数据在整个程序生命周期内不会改变,使用元组是个不错的选择。
my_tuple = (1, 2, 3, 'hello', 5.5)
集合 (Set)
集合是一种无序、不重复的集合。如果你想要去除列表或其他数据结构中的重复元素,并且不关心元素的顺序,集合是个不错的选择。
my_set = {1, 2, 3, 4, 5}
字典 (Dictionary)
字典是一种键值对的集合,用于表示一对一关系。比如,你可以用字典表示学生的学号和姓名对应关系。
my_dict = {'Alice': 25, 'Bob': 30, 'Charlie': 22}
字符串 (String)
最后,字符串是一种有序的不可变序列,用于处理文本数据。你可以使用单引号、双引号或三引号来表示字符串。
my_str = 'Hello, Python!'
这些基本数据结构在 Python 编程中是非常常见且重要的。它们为我们提供了灵活的工具,适用于不同类型的问题和场景。在实际应用中,选择合适的数据结构可以让我们的代码更加高效和简洁。
二、进阶数据结构
除了基础数据结构,Python 还支持一些进阶的数据结构,如无向图、有向图、树等。这些数据结构在解决更复杂的问题时发挥着重要的作用。
无向图 (Undirected Graph)
首先,让我们谈谈无向图。无向图是由一组顶点和一组边组成的图,其中边没有方向,即连接两个顶点的边是无序的。这种数据结构通常用于建模一些相互关联的事物之间的关系。
# 无向图的表示
graph = {
'A': ['B', 'C'],
'B': ['A', 'D', 'E'],
'C': ['A', 'F', 'G'],
'D': ['B'],
'E': ['B', 'H'],
'F': ['C'],
'G': ['C', 'H'],
'H': ['E', 'G']
}
有向图 (Directed Graph)
有向图是由一组顶点和一组有方向的边组成的图,即连接两个顶点的边有方向性。这种结构常用于建模有方向性关系的事物之间的关系,比如依赖关系、流程等。
# 有向图的表示
digraph = {
'A': ['B', 'C'],
'B': ['D', 'E'],
'C': ['F', 'G'],
'D': [],
'E': ['H'],
'F': [],
'G': ['H'],
'H': []
}
树 (Tree)
树是一种层级结构,由节点和边组成,每个节点有一个父节点和零个或多个子节点。它常用于表示层次关系,比如文件系统、组织结构等。
# 树的表示
class TreeNode:
def __init__(self, value):
self.value = value
self.children = []
# 创建树: A -> (B, C -> (D, E), F)
root = TreeNode('A')
child_b = TreeNode('B')
child_c = TreeNode('C')
child_d = TreeNode('D')
child_e = TreeNode('E')
child_f = TreeNode('F')
root.children = [child_b, child_c, child_f]
child_c.children = [child_d, child_e]
DAG 图 (Directed Acyclic Graph)
DAG 图是一个有向图,其中不存在从某个节点出发经过若干条边回到该节点的路径,即无环有向图。这种结构常用于表示任务调度、依赖关系等场景。
# DAG 图的表示
dag = {
'A': ['B', 'C'],
'B': ['D', 'E'],
'C': [],
'D': [],
'E': ['F'],
'F': []
}
字典树 (Trie)
字典树是一种树形结构,用于存储一组动态集合,其中每个节点表示一个字符串的前缀。它常用于字符串搜索、前缀匹配等场景。
# 字典树的表示
class TrieNode:
def __init__(self):
self.children = {}
self.is_end = False
# 创建字典树
trie_root = TrieNode()
trie_root.children['a'] = TrieNode()
trie_root.children['a'].children['p'] = TrieNode()
trie_root.children['a'].children['p'].is_end = True
哈希表 (Hash Table)
最后,哈希表是一种通过哈希函数将键映射到索引位置,实现快速查找、插入和删除操作的数据结构。Python 中的字典 (dict
) 就是基于哈希表实现的。
这些进阶数据结构在解决不同类型的问题时都有其独特的优势。希望这次的分享对你有所启发~