python数据结构与算法分析【笔记】week1&2【含OJ】

说明

在结束MOOC的数据结构与算法python版的课，看了python 数据结构与算法分析（第二版）后，深感内容详实，故记录有用的内容进行总结。发布的代码以课程上的为主，我笔记本上跑过都是通的。课后作业的代码太多，参考了不少，不过即使是我想了很久的，也并不是全部AC。就这样吧（躺）。虽然计算机是人类造的但还是有不少未解之谜。

---

一.第一章

这一章是入门知识。书上关于面向对象编程是我不擅长的，因此总结tips。

1.1. 问题求解的计算之道

1. 问题：未知事物
   a. What
   b. Why
   c. How
2. 问题的解决之道（过程）
   从未知到已知
3. 通过该过程得到的解决方案
4. 工具【能行可计算】

• 数学
• 为了解决数学本身的可
  检验性问题，大数学家希尔伯特提出“能
  否找到一种基于有穷观点的能行方法，来
  判定任何一个数学命题的真假”
• 基于有穷观点的能行方法：
  a. 由有限数量的明确有限指令构成；
  指令执行在有限步骤后终止；
  b. 指令每次执行都总能得到唯一结果；
  原则上可以由人单独采用纸笔完成，而不依靠其
  它辅助；
  c. 每条指令可以机械地被精确执行，而不需要智慧
  和灵感

---

1.2. 图灵机的计算模型

1. 图灵机的基本概念
2. 控制规则是五元组
3. 必须有一条规则是S0开头的
4. 图灵机可以永不停机

---

1.3. 算法和计算复杂性

1. What,Why和How可以通过有限能行的方法的计算模型解决的，都算“可计算”的模型
2. 基于有穷观点的能行方法的可计算概念：
   能在有限资源内解决否
3. 但是人类的资源非常有限，因此考虑可行性
4. 计算复杂性理论研究问题的本质，将各种问题按
   照其难易程度分类，研究各类问题的难度级别，
   并不关心解决问题的具体方案
5. 而算法则研究问题在不同现实资源约束情况下的
   不同解决方案，致力于找到效率最高的方案
6. 不可计算问题：比如停机问题

---

1.4. 突破计算极限

1.5. 什么是抽象什么是实现

1. CS研究的是问题，问题的解决过程和问题的解决方案
2. 为了更好地处理机器相关性和独立性，引入了抽象的概念
3. 从 “ 逻 辑 Logical ” 或 者 “ 物 理
   Physical”的不同层次上看待问题及解决
   方案
4. 逻辑：功能层次
5. 物理：比如对硬件的内部处理知识
6. 逻辑和物理是相对概念
7. 不会有太多与当前层次的问题无关的细节
8. 电动车与汽油车：
   底层动力、能源都不同
   但开车的操作接口（方向盘、油门、刹车、档位
   ）基本都是相同的
   司机无需重新考驾照，而车厂可以持续改进实现
   技
9. 与此同时，物理层面可以保持改进

1.6. 为什么研究数据结构

1. ADT是对数据进行处理的一种逻辑描述，并不涉及如何实现这些处理

1.7. 书籍补充

1. 定义类

class Fraction:
    #定义方法
    def __init__(self,top,buttom):
        self.num = top
        self.den = buttom
        #self是一个总指向对象本身的特殊参数，必须是1st
        #要创建类，必须调用构造方法e.g.
        #myfraction = Fraction(3,5)
    def show(self):
        print(self.num,"/",self.den)
        #print(myfraction)是地址
        #print(myfraction.show)才是3/5
    #重写默认实现
    def __str__(self):
        return str(self.num) + "/" + str(self.den)
        #myf = Fraction(3,5)
        #print(myf)成了3/5
        #myf.__str__()为'3/5'
        #str(myf)为'3/5'
    #**重写加法**
    def __add__(self,otherfraction):
        newnum = self.num * otherfraction.den + \
                self.den * otherfraction.num
        newden = self.den * otherfraction.den
        common = gcd(newnum,newden)
        return Fraction(newnum//common,newden//common)
    #重写相等
    #只有在f1和f2是同一个对象的引用时，f1==f2才是True(浅相等)；值相等才是深相等
    def __eg__(self,other):
        firstnum = self.num * other.den
        secondnum = self.den * other.num
        return firstnum == secondnum
#最简分数
def gcd(self,m,n):
    while m%n != 0:
        oldm = m
        oldn = n
        m = oldn
        n = oldm%oldn
    return n

---

二.第二章

这一章也是基础内容，讲了时间复杂度的计算。非常有意思。计算执行语句。在排序的时候，就是用的赋值操作来计算。

2.1. 什么是算法分析

1. 算法：是对问题解决的分步描述【逻辑层面】
   程序则是采用某种编程语言实现的算法，同一个
2. 程序：算法通过不同的程序员采用不同的编程语言，能产生很多程序【物理层面】
3. 比较程序的“好坏”，有更多因素：代码风格、可读性等等
4. 我们主要感兴趣的是算法本身特性
5. 算法分析主要就是从计算资源（执行时间、存储空间）消耗的角度来评判和比较算法。更高效利用计算资源，或者更少占用计算资源的算法，就是好算法
6. 但是不同的编程语言和程序，会导致执行时间不同，因此使用时间复杂度来衡量

---

2.2. 大O表示法

1. 一个算法所实施的操作数量或步骤数可作为
   独立于具体程序/机器的度量指标

• 使用哪种操作来衡量？
  ==>需要一种通用的基本操作来作为运行步骤的计量单位

2. 使用赋值语句作为衡量指标

• 因为同时包含了（表达式）计算和（变量）存储
• 控制流语句（顺序、决策和循环）只是组织语句，本身不实行处理
• 定义语句与计算资源无关

3. 问题规模影响算法执行时间。算法分析的目标是找出问题规模怎么影响一个算法的执行时间
4. 数量级函数描述了基本操作数量函数T(n)中随着n增加而增加速度最快的主导部分。称作“大O”表示法，记作O(f(n))，其中f(n)表示T(n)中的主导部分。也就是看n的情况
5. 某些具体数据也会影响算法运行时间，因此分为最好、最差和平均的情况。平均情况是算法的主流性能。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-xE32Dnm2-1622898540145)(/img/1.png)]
7. 大O表示法:所有上限中最小的上限
8. 大$\Omega$表示法：所有下限中最大的下限
9. 大$\Theta$表示法：如果上下限相同
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-KVZMqIHh-1622898540147)(/img/2.png)]

---

2.3. 变位词的判断问题

1. 变位词两个次之间存在组成字母的重新排列关系,eg.heart和earth
2. 这个是举例子来计算

---

2.4. python数据类型的性能

1. list和dict

• 列表是随机访问的，取值赋值的时间是O(1)
• 列表增加，append是O(1)，列表链接是O(n+k)。n是原列表长度，k是新列表长度
• 列表判断in 是O(n),dic是O(1)

---

2.5. 如何做OJ

1. 输出必须一致，包括看不见的空格
2. 如何做

• 看清题
• 看清样例的格式
  a. 多行输入：每行一个input()，根据要求转换。若每行一个整数a = int(input())
  b. 单行输入多个变量，用input().split()读入并分解为列表
  c. 多个整数在一行list(map(int,input().split()))
  d. 多行输出：print
  e. 浮点数指定：看清保留小数点后几位，用print('%.3f'%(a/b))来规定
• 编写程序与测试
• 提交测评

2.6. 列表

• 生成列表速度从快到慢

l1 = list(range(1000))

l2 = [i for i in range(1000)]

l3 = []
for i in range(1000):
    l3.append(i)

l4 = []
for i in range(1000):
    l4 += [i] 

• 操作的时间复杂度

2.7. 字典

• 生成字典

for i in range (10000,1000001,20000):#start,end,step
    x = {j:None for j in range(i) }
for key,value in x.items():
    print((key,value))

*操作的时间复杂度

---

三.第二周OJ

题目1.

题目内容：

给出两个整数，输出他们的商

可以使用以下语句实现整数n的输入：

n=int(input())

输入格式:

两行，每行一个整数

输出格式：

输出一个数，即他们的商，保持小数点后3位（%.3f）

如果除数为0，则输出：NA（两个字母）

输入样例：

1

2

输出样例：

0.500

输入样例2：

2

0

输出样例2：

NA

时间限制：500ms内存限制：32000kb

a = int(input())
b = int(input())
if b != 0:
    print('%.3f'%(a/b))
else:
    print('NA')

题目2.

题目内容：

给出行数和列数，打印一个由*号构成的实心矩形。

输入格式:

一行，用空格隔开的两个整数m、n

输出格式：

由*号构成的m行n列实心矩形

输入样例：

3 2

输出样例：

**

**

**

时间限制：500ms内存限制：32000kb

m,n = map(int,input().split())
for i in range(1,m+1):
    print('*'*n)

题目3.

题目内容：

给定若干个整数，找出这些整数中最小的，输出。

输入格式:

一行，由空格隔开的一系列整数，数量2个以上。

输出格式：

最小的整数

输入样例：

1 2 3 4 5 6 7 8 9 0

输出样例：

0

输入样例：

-1 2 0

输出样例：

-1
时间限制：500ms内存限制：32000kb

a = list(map(int,input().split()))
print(min(a))

四. 总结

这些比较重要的入门基础还是要看看，我就只记录我需要的部分