学习算法和数据结构的思路指南
建议配合labuladong大佬的学习算法和数据结构的思路指南食用
一、数据结构的存储方式
基础的数据类型(结构基础)
- 数组 顺序存储
- 由于是紧凑连续存储,可以随机访问,通过索引快速找到对应元素,而且相对节约存储空间。但正因为连续存储,内存空间必须一次性分配够,所以说数组如果要扩容,需要重新分配一块更大的空间,再把数据全部复制过去,扩容时间复杂度 O(N);而且你如果想在数组中间进行插入和删除,每次必须搬移后面的所有数据以保持连续,增删时间复杂度 O(N)、改查时间复杂度 O(1)
- 链表 链式存储
- 因为元素不连续,而是靠指针指向下一个元素的位置,所以不存在数组的扩容问题;如果知道某一元素的前驱和后驱,操作指针即可删除该元素或者插入新元素,增删时间复杂度 O(1)。但是正因为存储空间不连续,你无法根据一个索引算出对应元素的地址,所以不能随机访问;而且由于每个元素必须存储指向前后元素位置的指针,会消耗相对更多的储存空间,改查时间复杂度 O(n)
栈、队列、图、散列表、树、堆
-
队列、栈:
- 数组处理:扩容缩容问题
- 链表处理:指针需要额外的空间存储
-
图:
- 邻接矩阵:数组,稀疏矩阵浪费空间、迅速判断连通性、可以使用矩阵运算
- 邻接表:链表,节省空间、很多操作效率不如邻接矩阵
-
散列表:
- 通过散列函数把键映射到一个大数组里
- 解决散列冲突方法
- 拉链法:链表,操作简单、但需要额外的空间存储指针
- 线性探查法:数组,连续寻址、不需要指针的存储空间、但操作稍微复杂些
-
树:
- 数组 --「堆」,因为「堆」是一个完全二叉树,用数组存储不需要节点指针,操作也比较简单
- 链表 – 常见「树」,因为不一定是完全二叉树,所以不适合用数组存储
- 常见树:二叉搜索树、AVL 树、红黑树、区间树、B 树
Redis 提供列表、字符串、集合等等几种常用数据结构,但是对于每种数据结构,底层的存储方式都至少有两种,以便于根据存储数据的实际情况使用合适的存储方式
二、数据结构的基本操作
对于任何数据结构,其基本操作无非遍历 + 访问,再具体一点就是:增删查改
各种数据结构的遍历 + 访问无非两种形式:线性的和非线性
- 线性 for迭代
- 数组for遍历
- 链表for遍历
- 非线性 递归
- 链表递归遍历
- 二叉树递归遍历
- N叉树遍历(与二叉树类似,遍历子树)
- 图遍历(多个N叉树,但是为了避免环,需要visited标记)
三、算法刷题指南
先刷二叉树,先刷二叉树,先刷二叉树!
四、最后总结
先刷二叉树,先刷二叉树,先刷二叉树!!!!!!!!!!!!!
数组的内置函数
# 数组
li = [1, 2, 3]
for i in li:
print(i)
for i in len(li):
print(li[i])
#append(self, object, /)
li.append(4)
#copy(self, /)
##相当于li2 = li[:]
li2 = li.copy()
#extend(self, iterable, /)
##前者合并可迭代对象
li2.extend(li)
#index(self, value, start=0, stop=9223372036854775807, /)
##通过元素值查找元素下标(元素值,开始坐标=0,结束坐标=无穷大)
li2.index(2,4,7)
#count(self, value, /)
li2.count(1)
#insert(self, index, object, /)
li2.insert(1,7)
#pop(self, index=-1, /)
li2.pop(-2)
#remove(self, value, /)
li2.remove(2)
#reverse(self, /)
li2.reverse()
#sort(self, /, *, key=None, reverse=False)
li2.sort(reverse=True)
#clear(self, /)
li2.clear()
链表实现
class Node:
def __init__(self,item):
self.item = item
self.next = None
class SingleNode:
def __init__(self):
self._head = None
def is_empty(self):
return self