Python学习日志之Python数据结构初识

Python数据结构初识：
一、Python数据结构概述
1.何为数据结构
在程序中，同样的一个或几个数据组织起来，可以有不同的组织方式，也就是不同

的存储方式，不同的组织方式就是不同的结构，我们把这些数据组织在一起的结构就叫

做数据结构
例如：
有一串字符串：”abc”，我们将它重新组织一下，比如通过list()函数将”abc”变成

[“a”,”b”,”c”]，那么这个时候数据发生了重组，重组之后的结构就发生了变化，我们

把[“a”,”b”,”c”]这种结构叫做列表，也就是说列表是数据结构的一种类型之一。
数据结构除了列表之外还有元组()，字典｛”“：”“,｝、队列、栈、树等。

2.数据结构实例
Python中的数据结构有很多类型。其中，Python中系统自己定义的不需要我们自己

去定义的数据结构叫做Python的内置数据结构，比如列表、元组等，而有一些数据组织

方式，Python系统里面没有直接定义，需要我们自己去定义这些数据的组织方式，这些

组织方式称为Python的扩展数据结构，比如栈、队列等。

实例：

Python内置的数据结构有元组、列表、字典等。

现在有三个物品，分别是”apple”,”orange”,”pear”，需要把这三个物品存储起来

存储方式1：这三个物品每个物品按顺序分别存储到一个柜子里，这些物品可以取出来

，如下：可以修改
[“apple”,”orange”,”pear”]

存储方式2：这三个物品每个物品按顺序分别存储到一个柜子里，但是物品不可以取出

来，也不可以放到其他柜子，如下，其实就是不可修改
(“apple”,”orange”,”pear”)

存储方式3：这三个物品不仅按顺序存储到一个柜子里，而且每个柜子还有一个名词

{“sam”:”apple”,”jac”:”orange”,”mating”:”pear”}

3.数据结构和算法的关系
在程序设计中，我们会发现数据结构经常和算法合在一起，这是为什么呢？其实，

数据结构是数据的组织方式，就是存储方式，也就是说，数据结构是静态的。算法是指

运算方法，通俗的说，就是运算思维，程序是动态的，需要将数据进行计算，运算方法

有很多，不同的运算方法叫做不同的算法，所以我们可以这样理解：数据结构是算法的

基础，但相同的数据结构运用不同的算法拥有不同的效率

二、Python常见数据结构-栈
1.何为栈
栈是一种数据结构，这种数据结构不同于系统自带的内置数据结构，属于扩展数据

结构，需要自己定义
特点：栈相当于一端开口一端封闭的容器，数据A可以存储在栈里面，把数据A移动到里

面这个过程叫做进栈，也叫压栈、入栈
如果数据A到达栈顶后，同是占了栈的一个位置，当再进入一个数据B的时候，也

将到达栈顶，然后使A到栈顶的下一个位置，栈只能对栈顶的数据进行操作，此时就不

能对A进行操作，可以将B出栈或删除，等B出栈后，A变成栈顶的时候就可以对A进行操

作
2.栈的图示
只能从开口进开口出，栈顶指向新数据的位置，栈底不变，用过栈顶指针的移动进

行数据的进栈出栈。

3.Python中栈的实现
栈是列表的扩展，只是栈只能从栈顶进行修改，不像列表可以从任意地方

实例：

栈的实现：

栈是列表的扩展，只是栈只能从栈顶进行修改，不像列表可以从任意地方

class Stack(): #定义栈的类
def init(st,size): #初始化函数，两个形参，一个代表主体，一个代表容

量
st.stack=[]; #声明了栈
st.size=size; #声明栈的容量
st.top=-1; #初始与栈底重合的栈顶

 def push(st,content):  #入栈定义
     if st.Full():
         print"Stack is Full"
     else:
        st.stack.append(content)  #入栈，数据进入，append增加内容，调用

append方法
st.top=st.top+1 #栈顶指针加1
def out(st):
if st.Empty():
print”Stack is Empty!”
else:
st.top=st.top-1

 def Full(st):          #判断栈是否Full
     if st.top==st.size:
         return True    #栈满
     else:
         return False
 def Empty(st):
     if st.top==-1:
         print"Stack is Empty!"

三、Python常见数据结构-队列
1.何为队列
队列也是一种扩展的数据结构
特点：两端开的开口容器，但是只能在一端进行删除操作，不能进行插入操作，而另一

端只能进行插入操作而不能进行删除操作，进行插入的这端叫做队尾，进行删除操作的

这端叫做队首
数据是队尾进队首出，类似于排队
队首队尾不是根据位置来区别的，是根据功能来区分的

2.队列的图示
队尾进队首出
进队：qu.tail=qu.tail+1
出队：qu.head=qu.head+1
3.Python中队列的实现

队列的实现

class Queue(): #队列类
def init(qu,size): #初始化信息，队列主体qu，队列容量size
qu.queue=[]; #用列表声明
qu.size=size; #传递进来的参数信息
qu.head=-1; #刚开始的队首队尾都在输出方
qu.tail=-1;
def Empty(qu): #先判断是否为空
if qu.head==qu.tail: #空的时候队首队尾指针参数
return True
else:
return False
def Full(qu): #判断队列是否已满
if qu.tail-qu.head+1==qu.size:
return True
else:
return False
def enQueue(qu,content): #进队
if qu.Full():
print “Queue is Full!”
else:
qu.queue.append(content)
qu.tail=qu.tail+1 #进队只和队尾相关，队尾指针加1
def outQueue(qu): #出队
if qu.Empty():
print “Queue is Empty!”
else:
qu.head=qu.head+1 #出队指针只和队首相关，队首加1

四、Python常见数据结构-树
1.何为树:
树是一种非线性的数据结构，树具有非常高的层次性。利用树来存储数据，能够是

用公有元素进行存储，能够很大程度上节约空间。
定义：有且只有一个根节点，其次有N个不相交的子集，每个子集为一颗子树

2.树的图示：

3.什么是二叉树：
二叉树市一中特殊的树，二叉树要么是空树，要么是左、右两个不相交的子树组成

，二叉树是有序树，即使只有一个子树，也需要区分该子树是左子树还是右子树。二叉

树每个节点的度不可能大于2，可以取0,1,2。二叉树的存储方式有两种，一种是顺序方

式，一种是链式存储。
顺序存储采用一维数组的存储方式
链式存储中，采用表的存储方式，通常分为三部分：数据域，左孩子链域和右孩子链域

4.二叉树的图示：
有5种情况，加上空树

5.Python中树以及二叉树的实现：通过列表表示

1.树的基本构造

树通过逗号，隔开

树是由列表构成的，实际上Tree2=[58,6,[5]],Tree3=[5]

Tree=[2,3,[58,6,[5]]]
print Tree[0]
print Tree[1]
print Tree[2]
Tree2=Tree[2]
print Tree2[0]

2
3
[58, 6, [5]]
58#实现了树的嵌套，子树

2.二叉树的构造

”’
比如要构造一个二叉树：
7
8 9
23 36
57 58
可以这样分析：
节点（左节点，右节点，当前节点数据）
根节点base=(–>8也就是jd2,–>9也就是jd3,base)
jd2=(no,–>23也就是jd4,8)
jd3=(no,–>36也就是jd5,9)
jd4=(–>57也就是jd6,–>58也就是jd7,23)
jd5=(no,no,36)
jd6=(no,no,57)
jd7=(no,no,58)
但是要注意，写的时候倒过来写，就是从右叶子开始写，直到根节点
jd7=(no,no,58)
jd6=(no,no,57)
”’
class TRee(): #树的初始化
def init(self,leftjd=0,rightjd=0,data=0):
self.leftjd=leftjd;
self.rightjd=rightjd;
self.data=data;

class Btree(): #二叉树的初始化
def init(self,base=0):
self.base=base
def empty(self):
if self.base is 0:
return True
else:
return False

def qout(self,jd):
    """前序遍历，NLR，根左右"""
    if jd==0:
        return   #没有节点的话，原样返回
    print jd.data  #先返回根节点的值
    self.qout(jd.leftjd)  #访问左节点
    self.qout(jd.rightjd) #访问右节点

def mout(self,jd):
    """中序遍历，LNR，左根右"""
    if jd==0:
        return
    self.mout(jd.leftjd)
    print jd.data
    self.mout(jd.rightjd)

def hout(self,jd):
    """后序遍历，LRN，左右根"""
    if jd==0:
        return
    self.hout(jd.leftjd)
    self.hout(jd.rightjd)
    print jd.data

jd1=TRee(data=8)
jd2=TRee(data=9)
base=TRee(jd1,jd2,7)
x=Btree(base) #调用Btree
x.qout (x.base) #前序遍历NLR根左右
7
8
9
x.mout (x.base) #中序遍历LNR左根右
8
7
9
x.hout (x.base) #后序遍历LRN左右根
8
9
7

五、Python常见数据结构-链表
1.何为链表
链表也是一种数据结构，链表是一种非连续，非顺序的存储方式，链表由一系列节

点组成，每个节点包括两个部分，一部分是数据域，另一个部分是指向下一节点的指针

域，链表可以分为单向链表，单向循环链表，双向链表，双向循环链表。
单向链表：a可以指向b，但是b不能指向a
单向循环链表：表头和表尾首尾相连，仍是单项
双向链表：a可以指向b，b也可以指向a
双向循环链表：首尾相连，可以顺时针，也可以逆时针

2.链表的图示
指针域：指向下一个节点的位置
节点之间是不相连的

3.Python中链表的实现

链表的实现（单向链表）

class jd(): #节点类，存储数据
def init(self,data): #初始化
self.data=data
self.next=None #最初的时候不指向

class Linklist(): #链表类，实现链表作用
def init(self,jd2): #初始化
self.head=jd2 #把jd2传到表头
self.head.next=None #下一个位置
self.tail=self.head #初始化表头表尾重合

def add(self,jd2):       #增加链表节点
    self.tail.next=jd2   #将节点2赋值到链表尾
    self.tail=self.tail.next

def view(self):          #查看链表的所有情况
    jd2=self.head        #表头
    linkstr=""           #节点的数据，转化成字符串，然后不断累加
    while jd2 is not None:  #节点2不为空，开始
        if jd2.next is not None: #节点2下一个节点不为空，开始遍历
            linkstr=linkstr+str(jd2.data)+"-->"  #开始遍历节点
        else:
            linkstr+=str(jd2.data)
        jd2=jd2.next
    print linkstr    #打印出链表linkstr

jd1=jd(7)
jd2=jd(“hello”)
jd3=jd(8)
x=Linklist(jd1)
x.add (jd3)
x.add (jd2)
x.view ()
7–>8–>hello

六、Python常见数据结构-bitmap：通过数组表示
1.何为bitmap
同样，bitmap也是一种数据结构。bit指的是位，map指的是图，bitmap也叫是位图
。这种数据结构的存储简单来说就是把原来的数转化成二进制来存储，每个位占一个存

储单元。我们对bitmap进行数据操作时，也就相当于操作一个位。bitmap的数据结构的

优点是可以实现很好的排序

2.bitmap的图示
最高位为符号位，Python中一个数是32位，最右边为最低位，位图上存在数就变成1，

不存在就是0
00000000 00000000 00000000 00000101
2^2+2^0=5，上面是数字5的二进制形式，实际上bitmap和二进制数值是有差异的
def bitIndex(self, num): #位索引，算出数值所在单元
return num % 31

3.Python中bitmap的实现
（1）.bitmap排序原理：
例如：请比较1，2，34的大小（出去符号位最高位在左边）
数组1：可以存储31个数，除去符号位，范围1-31
数组2：可以存储31个数，除去符号位，范围32-62
1：存储到数组1，2^0
2：存储到数组1，2^1
34：存储到数组2，34-32=2，再加1，就是数组2第三位

首先：数组2的大于数组1，从右往左依次增大
开始时bitmap为0，当所对应的位置存在数据时，就开始映射到bitmap对应位置，位置

上的0变成1

（2）.bitmap的实现

class Bitmap():
def init(self, max): #最大的数
self.size = int((max+31 - 1) / 31) #计算所需要的数组个数
self.array = [0 for i in range(self.size)] #从数组中开始生成单元，

每个单元存储的值都是0

def bitIndex(self, num): #位索引，算出数值所在单元
    return num % 31      

def set(self, num):      #置1
    elemIndex =num / 31  #判断所在数组
    byteIndex = self.bitIndex(num)   #计算位索引
    elem= self.array[elemIndex]      #对应选择的数组
    self.array[elemIndex] = elem |(1 << byteIndex)  #置1，向左移动的次数

def test(self, i):
    elemIndex = i / 31   #判断在第几个数组
    byteIndex = self.bitIndex(i)
    if self.array[elemIndex] & (1 << byteIndex): #判断是否在bitmap，不应

该超出范围
return True
return False

if name == ‘main‘:
MAX = ord(‘z’) #设置最大数为‘z’使用ord转化成ansll
suffle_array = [x for x in ‘coledraw’] #将单词拆分
result = []
bitmap = Bitmap(MAX) #将MAX传递到Bitmap
for c in suffle_array: #从c开始调用到set
bitmap.set(ord(c))
for i in range(MAX + 1):
if bitmap.test(i): #如果存在i中存在数值，进行依次调用到test
result.append(chr(i))

print '原始数组为:    %s' % suffle_array #拆分后的数组
print '排序后的数组为: %s' % result

=============================== RESTART ===============================

原始数组为: [‘c’, ‘o’, ‘l’, ‘e’, ‘d’, ‘r’, ‘a’, ‘w’]
排序后的数组为: [‘a’, ‘c’, ‘d’, ‘e’, ‘l’, ‘o’, ‘r’, ‘w’]

七、Python常见数据结构-图
1.何为图
图仍是一种数据结构，我们可以简单的理解成一个关系网络，该网络中有N多结点

，每个结点都存储着一个数据，数据之间的关联我们可以用线把关联的结点连起来的方

式进行表示。
其中，有的数据关系是有方向的，比如数据A–>数据B，其关系只能从A到B，而不

能从B到A，如果数据之间的关系是有方向，我们在图里面用带箭头弧线表示。有的数据

关系是没有方向的，A–B表示既可以从A关联到B，也可以B关联A，这种没有方向的关系

用线段表示。

2.图的图示
不同的结点之间有的有直接联系，有的通过中间结点有间接联系

3.Python中图的实现

图的实现

chart={“A”:[“B”,”D”],”C”:[“E”],”D”:[“C”,”E”]}#图通过字典表示

“A”：[“B”,”D”]:A–>B,A–>D

“C”:[“E”]:C–>E

“D”:[“C”,”E”]:D–>C,D–>E

def path(chart,x,y,pathd=[]):

chart:图

x:起始结点

y:指向结点

pathd=[]:走过的路径

pathd=pathd+[x]  #初始结点
if x==y:
    return pathd  #返回pathd
if not chart.has_key(x):  #判断是否存在结点
    return None

for jd in chart[x]:   #结点在chart所直接对应的结点
    if jd not in pathd:
        newjd=path(chart,jd,y,pathd) #初始结点变成jd，寻找路径
        if newjd:
            return newjd  #找到新结点的时候返回值

============================== RESTART ==============================

path(chart,”A”,”E”)
[‘A’, ‘D’, ‘C’, ‘E’]