数据结构不仅仅指的数据值在逻辑上的结构,更有在存储空间上的位置结构,顺序表,故名思意是有一定顺序的数据结构。
顺序表最基本模型如图:
![09ea461acd8ab650f693eab9d50bc419.png](https://img-blog.csdnimg.cn/img_convert/09ea461acd8ab650f693eab9d50bc419.png)
对于基本布局顺序表而言,它存储相同单元大小并且在内存地址上连续的数据,逻辑地址是其元素的逻辑顺序,物理地址第一个元素的内存地址加上离第一个元素的距离,如:e1物理地址是l0,那么e2的物理地址是e1的地址加上e1所占用的大小c,以此类推,en的物理地址是l0+(n-1)*c。
这种基本布局出现了一个问题,如果其中的元素大小不统一,那么岂不是要用最大存储单元作为基本单位,非常浪费空间,因此出现了外置顺序表,它是将元素的索引以相同单元大小连续存放,索引记录对应数据在内存上的地址,那么我们可以通过基本布局的方式去找到索引,再根据索引找到数据。
在熟悉了顺序表的基本模型后,我们再看顺表的结构,如图所示:
![3d0c199a54e2f770ca404dc03c8dfba1.png](https://img-blog.csdnimg.cn/img_convert/3d0c199a54e2f770ca404dc03c8dfba1.png)
实际的顺序表包含两部分,一部分是顺序表的记录信息块(含顺序表容量、元素个数),一部分是数据块,这两部放在一起是一体式结构,如果分离通过索引连接是分离式结构。
顺序表含有容量和容量的使用情况信息,那么很容易就实现扩容,其扩容方式有两种:一种是频繁的固定扩容,即每次增加固定单位的容量,因此会平凡扩容;另一种是倍增的扩容,即按照2、4、8、16这种方式来扩,这样扩容频率低,但可能造成浪费。
在python中list和tuple都是顺序表结构,list是动态顺序表,支持内部结构变化如增加或者减少元素,而tupele并不支持结构的改变,其他性能和list一致。
既然我们知道了python中使用最频繁的list内在结构,那我们就应该明白append是在顺序表末尾增加一个元素,他的时间复杂度是O(1),而insert插入函数是将插入位置之后的元素依次向下挪动一个位置,复杂度是O(n);同理删除一个元素,当删除最后一个位置的元素pop()只是删除循序表的最后一个位置元素,如果是删除指定元素,那么该元素其后的元素依次挪动一个位置其时间复杂度为O(n);
这便是数据结构的意义,它对python性能的提升有指导性的作用。
![2b980fd342c48492d0e1ac1f4c5e70bc.png](https://img-blog.csdnimg.cn/img_convert/2b980fd342c48492d0e1ac1f4c5e70bc.png)
![9bbd24293190bb461c3f85bf314ed379.png](https://img-blog.csdnimg.cn/img_convert/9bbd24293190bb461c3f85bf314ed379.png)
对于顺序表的实现,源代码如下:
#python顺序表的实现
class Mylist():
def __init__(self,size=50): #初始化线性表
#定义线性表的最大长度为50
self.max = size
self.num = 0 #定义线性表的下表
self.data = [None] * self.max
def is_empty(self): #判断线性表是否为0
return self.num == 0
def is_full(self): #判断线性表是否为满
return self.num == self.max
def __getitem__(self,index): #获取线性表中某一位置的值
if not isinstance(index,int):
raise TypeError
if 0 <= index < self.max:
return self.data[index]
else:
raise IndexError
def __setitem__(self,index,value): #修改线性表中某一位置的值
if not isinstance(index,int):
raise TypeError
if 0 <= index < self.max:
self.data[index] = value
else:
raise IndexError
def locate_item(self,value): #按值查找第一个等于该值的索引
for i in range(self.num):
if self.data[i] == value:
return i
return -1
def count(self):
return self.num
def append_last(self,value): #在线性表结尾加入数
if self.num > self.max:
print('list is full')
else:
self.data[self.num] = value
self.num += 1
def insert(self,index,value): #在线性表插入数
if self.num >= self.max:
print('list is full')
if not isinstance(index,int):
raise TypeError
if index < 0 or index > self.num:
raise IndexError
for i in range(self.num,index,-1):
self.data[i] = self.data[i-1]
self.data[index] = value
self.num += 1
def remove(self,index): #删除表中某一位置的值
if not isinstance(index,int):
raise TypeError
if index < 0 or index > self.num:
raise IndexError
for i in range(index,self.num):
self.data[i] = self.data[i+1]
self.num -= 1
def destroy(self): #销毁线性表
self.__init__()
由于在此个月中,会写很多类似的数据结构,因此我们将他们放在同一个文件夹下,具体的文件组织如下图:
![abe64d844d258ba841738e6cba0d0bdb.png](https://img-blog.csdnimg.cn/img_convert/abe64d844d258ba841738e6cba0d0bdb.png)
这样,我们在main函数中通过导入相应的所写的模块,就能正常运行了。