顺序表（Python）

一个线性表是某类元素的一个集合，还记录着元素之间的一种顺序关系。线性表是最基本的数据结构之一，在实际程序中应用非常广泛，它还经常被用作更复杂的数据结构的实现基础。

根据线性表的实际存储方式，分为两种实现模型：

1、顺序表，将元素按顺序存放在一块连续的存储区里，元素间的顺序关系由它们的存储顺序自然表示；
2、链表: 将元素存放在通过链接构造起来的一系列存储块中。

顺序表的基本形式

图a.表示的是顺序表的基本形式，数据元素本身连续存储，每个元素所占的存储单元大小固定相同，元素的下标是其逻辑地址。访问指定元素时无需从头遍历，通过计算便可获得对应地址，其时间复杂度为O(1)。

第i个元素存储的物理地址计算方法：L_i = L₀+ c * i

L₀ ——> 存储区的起始地址
c ——> 存储单元大小（如果是图b元素外置的顺序表，c表示存储一个链接地址所需的存储量）
i ——> 逻辑地址（第i个元素）

如果元素的大小不统一，则须采用图b的元素外置的形式，将实际数据元素另行存储，而顺序表中各单元位置保存对应元素的地址信息（即链接）。由于每个链接所需的存储量相同，通过上述公式，可以计算出元素链接的存储位置，而后顺着链接找到实际存储的数据元素。图b这样的顺序表也被称为对实际数据的索引，这是最简单的索引结构。

顺序表的结构

一个顺序表的完整信息包括两部分，一部分是表中的元素集合（元素存储区），另一部分是为实现正确操作而需记录的信息（容量和元素个数）

一体式结构

• 存储表信息的单元与元素存储区以连续的方式安排在一块存储区里，两部分数据的整体形成一个完整的顺序表对象；
• 一体式结构整体性强，易于管理。但是由于数据元素存储区域是表对象的一部分，顺序表创建后，元素存储区就固定了；
• 一体式结构由于顺序表信息区与数据区连续存储在一起，所以若想更换数据区，则只能整体搬迁，即整个顺序表对象（指存储顺序表的结构信息的区域）改变了。

分离式结构

• 表对象里只保存与整个表有关的信息，实际数据元素存放在另一个独立的元素存储区里，通过链接与基本表对象关联；
• 采用分离式结构的顺序表，若将数据区更换为存储空间更大的区域，则可以在不改变表对象的前提下对其数据存储区进行了扩充，所有使用这个表的地方都不必修改。只要程序的运行环境（计算机系统）还有空闲存储，这种表结构就不会因为满了而导致操作无法进行。人们把采用这种技术实现的顺序表称为动态顺序表，因为其容量可以在使用中动态变化。
  • 扩充的两种策略
    • 每次扩充增加固定数目的存储位置，如每次扩充增加10个元素位置，这种策略可称为线性增长。
      特点：节省空间，但是扩充操作频繁，操作次数多。
    • 每次扩充容量加倍，如每次扩充增加一倍存储空间。
      特点：减少了扩充操作的执行次数，但可能会浪费空间资源。以空间换时间，推荐的方式。

顺序表的操作

增加元素

a. 尾端加入元素，时间复杂度为O(1) >>>> (表尾增加元素111)
b. 非保序的加入元素（不常见），时间复杂度为O(1) >>>> (下标为1的位置增加元素111)
c. 保序的元素加入，时间复杂度为O(n) >>>> (下标为1的位置表尾增加元素111)

删除元素

a. 删除表尾元素，时间复杂度为O(1) >>>> (删除表尾元素154)
b. 非保序的元素删除（不常见），时间复杂度为O(1) >>>> (删除下标为1的元素111)
c. 保序的元素删除，时间复杂度为O(n) >>>> (删除下标为1的元素111)

Python中的顺序表

• Python中的list和tuple两种类型采用了顺序表的实现技术，具有前面讨论的顺序表的所有性质。
• tuple是不可变类型，即不变的顺序表，因此不支持改变其内部状态的任何操作，而其他方面，则与list的性质类似。

list的基本实现技术

Python标准类型list就是一种元素个数可变的线性表，可以加入和删除元素，并在各种操作中维持已有元素的顺序（即保序），而且还具有以下行为特征：

• 基于下标（位置）的高效元素访问和更新，时间复杂度应该是O(1)；
  为满足该特征，应该采用顺序表技术，表中元素保存在一块连续的存储区中。
• 允许任意加入元素，而且在不断加入元素的过程中，表对象的标识（函数id得到的值）不变。
  为满足该特征，就必须能更换元素存储区，并且为保证更换存储区时list对象的标识id不变，只能采用分离式实现技术。

在Python的官方实现中，**list就是一种采用分离式技术实现的动态顺序表。**这就是为什么用list.append(x) （或 list.insert(len(list), x)，即尾部插入）比在指定位置插入元素效率高的原因。
在Python的官方实现中，list实现采用了如下的策略：

    /* This over-allocates proportional to the list size, making room
     * for additional growth.  The over-allocation is mild, but is
     * enough to give linear-time amortized behavior over a long
     * sequence of appends() in the presence of a poorly-performing
     * system realloc().
     * The growth pattern is:  0, 4, 8, 16, 25, 35, 46, 58, 72, 88, ...
     */
    new_allocated = (newsize >> 3) + (newsize < 9 ? 3 : 6);

    /* check for integer overflow */
    if (new_allocated > PY_SIZE_MAX - newsize) {
        PyErr_NoMemory();
        return -1;
    } else {
        new_allocated += newsize;
    }