數據結構python版

Ⅰ python自帶及pandas、numpy數據結構(一)

1.python自帶數據結構：序列（如list）、映射（如字典）、集合（set）。
以下只介紹序列中的list：
創建list：
list1 = []
list1 = [1,2,3,4,5,6,7,8,9] #逗號隔開
list2 = [[1,2],[3,4],[5,6],[7,8]] #list2長度(len(list2))為2,list2[0] = [1,2]
liststring = list(「thisisalist」) #只用於創建字元串列表
索引list：
e = list1[0] #下標從零開始，用中括弧
分片list：
es = list1[0:3]
es = list1[0:9:2] #步長在第二個冒號後
list拼接（list1.append(obj)、加運算及乘運算）：

list長度：

list每個元素乘一個數值：
list2 = numpy.dot(list2,2)
list類似矩陣相乘（每個元素對應相乘取和）：
list3 = numpy.dot(list1,list1)
#要求相乘的兩個list長度相同
list3 = numpy.dot(list2,list22)
#要求numpy.shape(list2)和numpy.shape(list22)滿足「左行等於右列」的矩陣相乘條件，相乘結果numpy.shape(list3)滿足「左列右行」

2.numpy數據結構：

Array：
產生array：
data=np.array([[1, 9, 6], [2, 8, 5], [3, 7, 4]])
data=np.array(list1)
data1 = np.zeros(5) #data1.shape = (5,),5列
data1 = np.eye(5)
索引array:
datacut = data[0,2] #取第零行第二列，此處是6
切片array：
datacut = data[0:2,2] # array([6, 5])
array長度：
data.shape
data.size
np.shape(data)
np.size(data)
len(data)
array拼接：
#括弧內也有一個括弧（中括弧或者小括弧）！
d = np.concatenate((data,data))
d = np.concatenate((data,data),axis = 1) #對應行拼接
array加法：逐個相加
array乘法：
d = data data #逐個相乘
d = np.dot(data,data) #矩陣相乘
d = data 3 #每個元素乘3
d = np.dot(data,3) #每個元素乘3
array矩陣運算：
取逆 : np.linalg.inv(data)
轉置：data.T
所有元素求和 : np.sum(data)
生成隨機數：np.random.normal(loc=0, scale=10, size=None)
生成標准正態分布隨機數組：np.random.normal(size=(4,4))
生成二維隨機數組：
np.random.multivariate_normal([0,0],np.eye(2))
生成范圍在0到1之間的隨機矩陣(M,N)：
np.random.randint(0,2,(M,N))

Matrix:
創建matrix：
mat1 = np.mat([[1, 2, 3], [4, 5, 6]])
mat1 = np.mat(list)
mat1 = np.mat(data)
matrix是二維的，所有+，-，*都是矩陣操作。
matrix索引和分列：
mat1[0:2，1]
matrix轉置：
np.transpose(mat1)
mat1.transpose()
matrix拼接：
np.concatenate([mat1,mat1])
np.concatenate([mat1,mat1],axis = 1)

numpy數據結構總結：對於numpy中的數據結構的操作方法基本相同：
創建：np.mat(list),np.array(list)
矩陣乘：np.dot(x,y)
轉置：x.T or np.transpose(x)
拼接：np.concatenate([x,y],axis = 1)
索引：mat[0:1,4],ary[0:1,4]

3.pandas數據結構:
Series:
創建series：
s = pd.Series([[1,2,3],[4,5,6]],index = [『a』,『b』])
索引series：
s1 = s[『b』]
拼接series：
pd.concat([s1,s1],axis = 1) #也可使用s.append(s)

DataFrame:
創建DaraFrame:
df = pd.DataFrame([[1,2,3],[1,2,3]],index = ['a','b'],columns = ['x','y','z'])
df取某一列：
dfc1 =df.x
dfc1 = df[『x』]
dfc2 = df.iloc[:,0] #用.iloc方括弧里是數字而不是column名！
dfc2 = df.iloc[:,0:3]
df取某一行：
dfr1 = df.iloc[0]
df1 = df.iloc[0:2]
df1 = df[0:2] #這種方法只能用於取一個區間
df取某個值：
dfc2 = df.iloc[0,0]
dfc2 = df.iloc[0:2,0:3]

Ⅱ Python數據結構與演算法-哈希map的實現及原理

1-collections.MutableMapping

1.1 概念：這是什麼？

大家可能想知道這一串英文是什麼意思？其實只需要了解在collections庫當中有一個非常重要的抽象基類MutableMappin

g，專門用於實現map的一個非常有價值的工具。後邊我們會用到它。

2-我們的map基類

2.1 實現這個類

這個基類其實也就是確定了鍵值對的屬性，並且存儲了基本的比較方法。它的對象就是一個鍵值對咯。這個很好理解。有點類似object的感覺。

3-通過map基類實現的無序映射

給大家看一個上邊的例子，這個例子來源於網路，自己改了改，能用，更加詳細而已，湊合看.

4-Python哈希表的實現的基類

4.1 咱有話直說：上才（代）藝（碼）

如果還不知道哈希表概念的同xio，請參考 python進階之數據結構與演算法–中級-哈希表（小白piao分享） 。廢話不多說，咱們擼代碼：

OK了，基本的哈希表就實現了，其實仔細想想很容易，但是自己要能實現還是要理解哈希表的本質哦，外加一定量的練習才可以熟練掌握，練習的目的就是為了熟練而已。

5-分離鏈表實現的具體哈希map類

說明：這玩意只是一種降低沖突的手段，上一節提過，降低沖突最好的地方是發生在元組進入桶的時候，所以想必大家猜到了，接下來的分離鏈表也就是為了self._bucket_xxxxxxx系列方法做准備。這里之所以在上邊使用@abstractmethod就是為了繼承實現，目的可以實現多種將沖突的哈希表。分離鏈表的概念上一節也有的。
「見碼入面」（借鑒：見字如面這個電視節目，有興趣可以看看，還不錯的）：

6-用線性探測處理沖突的哈希map類

這種方式的好處不需要再去藉助其他額外的賦值結構來表示桶。結構更加簡單。不會再像上一種方法還要讓桶是一個UnsortedTableMap的對象。
代碼如下：

Ⅲ Python數據結構-隊列與廣度優先搜索（Queue）

隊列（Queue） ：簡稱為隊，一種線性表數據結構，是一種只允許在表的一端進行插入操作，而在表的另一端進行刪除操作的線性表。
我們把隊列中允許插入的一端稱為 「隊尾（rear）」 ；把允許刪除的另一端稱為 「隊頭（front）」 。當表中沒有任何數據元素時，稱之為 「空隊」 。

廣度優先搜索演算法（Breadth First Search） ：簡稱為 BFS，又譯作寬度優先搜索 / 橫向優先搜索。是一種用於遍歷或搜索樹或圖的演算法。該演算法從根節點開始，沿著樹的寬度遍歷樹或圖的節點。如果所有節點均被訪問，則演算法中止。

廣度優先遍歷 類似於樹的層次遍歷過程 。呈現出一層一層向外擴張的特點。先看到的節點先訪問，後看到的節點後訪問。遍歷到的節點順序符合「先進先出」的特點，所以廣度優先搜索可以通過「隊列」來實現。

力扣933

游戲時，隊首始終是持有土豆的人
模擬游戲開始，隊首的人出隊，之後再到隊尾（類似於循環隊列）
傳遞了num次之後，將隊首的人移除
如此反復，直到隊列中剩餘一人

多人共用一台列印機，採取「先到先服務」的隊列策略來執行列印任務
需要解決的問題：1 列印系統的容量是多少？2 在能夠接受的等待時間內，系統可容納多少用戶以多高的頻率提交列印任務？

輸入：abba
輸出：False
思路：1 先將需要判定的詞從隊尾加入 deque; 2從兩端同時移除字元並判斷是否相同，直到deque中剩餘0個（偶數）或1個字元（奇數）

內容參考： https://algo.itcharge.cn/04.%E9%98%9F%E5%88%97/01.%E9%98%9F%E5%88%97%E5%9F%BA%E7%A1%80%E7%9F%A5%E8%AF%86/01.%E9%98%9F%E5%88%97%E5%9F%BA%E7%A1%80%E7%9F%A5%E8%AF%86/

Ⅳ python基礎數據結構：序列、映射、集合

參考資料：http://www.cnblogs.com/jeffwongishandsome/archive/2012/08/05/2623660.html

Python中常見的數據結構可以統稱為容器（container）。序列（如列表和元組）、映射（如字典）以及集合（set）是三類主要的容器。

一、序列（列表、元組和字元串）

序列中的每個元素都有自己的編號。Python中有6種內建的序列。其中列表和元組是最常見的類型。其他包括字元串、Unicode字元串、buffer對象和xrange對象。下面重點介紹下列表、元組和字元串。

1、列表

列表是可變的，這是它區別於字元串和元組的最重要的特點，一句話概括即：列表可以修改，而字元串和元組不能。

（1）、創建

通過下面的方式即可創建一個列表：

輸出：

['hello', 'world']

[1, 2, 3]

可以看到，這中創建方式非常類似於javascript中的數組。

（2）、list函數

通過list函數（其實list是一種類型而不是函數）對字元串創建列表非常有效：

輸出：

['h', 'e', 'l', 'l', 'o']

2、元組

元組與列表一樣，也是一種序列，唯一不同的是元組不能被修改（字元串其實也有這種特點）。

（1） 、創建

輸出：

(1, 2, 3) ('jeffreyzhao', 'cnblogs') (1, 2, 3, 4) () (1,)

從上面我們可以分析得出：

a、逗號分隔一些值，元組自動創建完成；

b、元組大部分時候是通過圓括弧括起來的；

c、空元組可以用沒有包含內容的圓括弧來表示；

d、只含一個值的元組，必須加個逗號（,）；

（2）、tuple函數

tuple函數和序列的list函數幾乎一樣：以一個序列（注意是序列）作為參數並把它轉換為元組。如果參數就算元組，那麼該參數就會原樣返回：

輸出：

(1, 2, 3)

('j', 'e', 'f', 'f')

(1, 2, 3)

Traceback (most recent call last):

File "F:\Python\test.py", line 7, in

t4=tuple(123)

TypeError: 'int' object is not iterable

3、字元串

（1）創建

輸出：

Hello world

H

H

e

l

l

o

w

o

r

l

d

（2）、格式化

format（）：

print(『{0} was {1} years old when he wrote this book』. format(name,age) )

print(『{} was {} years old when he wrote this book』. format(name,age) )

print(『{name} was {age} years old when he wrote this book』. format(name=』Lily』,age=』22』) )

#對於浮點數「0.333」保留小數點後三位

print(『{0 : .3f}』.format(1.0/3) )

結果：0.333

#使用下劃線填充文本，並保持文字處於中間位置

#使用^定義『_____hello_____』字元串長度為11

print(『{0 : ^_11}』.format(『hello』) )

結果：_____hello_____

% :

格式化操作符的右操作數可以是任何東西，如果是元組或者映射類型（如字典），那麼字元串格式化將會有所不同。

輸出：

Hello,world

Hello,World

注意：如果需要轉換的元組作為轉換表達式的一部分存在，那麼必須將它用圓括弧括起來：

輸出：

Traceback (most recent call last):

File "F:\Python\test.py", line 2, in

str1='%s,%s' % 'Hello','world'

TypeError: not enough arguments for format string

如果需要輸出%這個特殊字元，毫無疑問，我們會想到轉義，但是Python中正確的處理方式如下：

輸出：100%

對數字進行格式化處理，通常需要控制輸出的寬度和精度：

輸出：

3.14

3.141593

3.14

字元串格式化還包含很多其他豐富的轉換類型，可參考官方文檔。

4、通用序列操作（方法）

從列表、元組以及字元串可以「抽象」出序列的一些公共通用方法（不是你想像中的CRUD），這些操作包括：索引（indexing）、分片（sliceing）、加（adding）、乘（multiplying）以及檢查某個元素是否屬於序列的成員。除此之外，還有計算序列長度、最大最小元素等內置函數。

（1）索引

輸出

H

2

345

索引從0（從左向右）開始，所有序列可通過這種方式進行索引。神奇的是，索引可以從最後一個位置（從右向左）開始，編號是-1：

輸出：

o

3

123

（2）分片

分片操作用來訪問一定范圍內的元素。分片通過冒號相隔的兩個索引來實現：

輸出：

[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

[1, 2, 3, 4]

[6, 7, 8, 9]

[1, 2, 3, 4, 5, 6, 7, 8, 9]

[7, 8]

[7, 8, 9]

不同的步長，有不同的輸出：

輸出：

[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

[0, 2, 4, 6, 8]

[0, 3, 6, 9]

[]

（3）序列相加

輸出：

Hello world

[1, 2, 3, 2, 3, 4]

Traceback (most recent call last):

File "F:\Python\test.py", line 7, in

print str1+num1

TypeError: cannot concatenate 'str' and 'list' objects

（4）乘法

輸出：

[None, None, None, None, None, None, None, None, None, None]

HelloHello

[1, 2, 1, 2]

Traceback (most recent call last):

File "F:\Python\test.py", line 5, in

print str1*num1

TypeError: can't multiply sequence by non-int of type 'list'

（5）成員資格

in運算符會用來檢查一個對象是否為某個序列（或者其他類型）的成員（即元素）：

輸出：

False

True

True

（6）長度、最大最小值

通過內建函數len、max和min可以返回序列中所包含元素的數量、最大和最小元素。

輸出：

5

o

H

5

123

1

二、映射（字典）

映射中的每個元素都有一個名字，如你所知，這個名字專業的名稱叫鍵。字典（也叫散列表）是Python中唯一內建的映射類型。

1、鍵類型

字典的鍵可以是數字、字元串或者是元組，鍵必須唯一。在Python中，數字、字元串和元組都被設計成不可變類型，而常見的列表以及集合（set）都是可變的，所以列表和集合不能作為字典的鍵。鍵可以為任何不可變類型，這正是Python中的字典最強大的地方。

輸出：

{1: 1}

Traceback (most recent call last):

File "F:\Python\test.py", line 6, in

d[list1]="Hello world."

TypeError: unhashable type: 'list'

2、自動添加

即使鍵在字典中並不存在，也可以為它分配一個值，這樣字典就會建立新的項。

3、成員資格

表達式item in d（d為字典）查找的是鍵（containskey），而不是值（containsvalue）。

三、集合

集合（Set）在Python 2.3引入，通常使用較新版Python可直接創建，如下所示：

strs=set(['jeff','wong','cnblogs'])

nums=set(range(10))

看上去，集合就是由序列（或者其他可迭代的對象）構建的。集合的幾個重要特點和方法如下：

1、副本是被忽略的

集合主要用於檢查成員資格，因此副本是被忽略的，如下示例所示,輸出的集合內容是一樣的。

輸出如下：

set([0, 1, 2, 3, 4, 5])

set([0, 1, 2, 3, 4, 5])

2、集合元素的順序是隨意的

這一點和字典非常像，可以簡單理解集合為沒有value的字典。

輸出如下：

set(['wong', 'cnblogs', 'jeff'])

3、集合常用方法

a、並集union

輸出：

set([1, 2, 3])

set([2, 3, 4])

set([1, 2, 3, 4])

union操作返回兩個集合的並集，不改變原有集合。使用按位與（OR）運算符「|」可以得到一樣的結果：

輸出和上面union操作一模一樣的結果。

其他常見操作包括&（交集）,<=,>=,-,()等等，這里不再列舉。

輸出如下：

set([1, 2, 3])

set([2, 3, 4])

set([2, 3])

True

set([1, 2, 3])

False

b、add和remove

和序列添加和移除的方法非常類似，可參考官方文檔：

輸出：

set([1])

set([1, 2])

set([1])

set([1])

False

Traceback (most recent call last):

File "F:\Python\test.py", line 9, in

set1.remove(29) #移除不存在的項

KeyError: 29

4、frozenset

集合是可變的，所以不能用做字典的鍵。集合本身只能包含不可變值，所以也就不能包含其他集合：

輸出如下：

Traceback (most recent call last):

File "F:\Python\test.py", line 3, in

set1.add(set2)

TypeError: unhashable type: 'set'

可以使用frozenset類型用於代表不可變（可散列）的集合：

輸出：

set([1, frozenset([2])])

Ⅳ Python數據結構-哈希表（Hash Table）

哈希表（Hash Table） ：通過鍵 key 和一個映射函數 Hash(key) 計算出對應的值 value，把關鍵碼值映射到表中一個位置來訪問記錄，以加快查找的速度。
哈希函數（Hash Function） ：將哈希表中元素的關鍵鍵值映射為元素存儲位置的函數。
哈希沖突（Hash Collision） ：不同的關鍵字通過同一個哈希函數可能得到同一哈希地址。
哈希表的兩個核心問題是： 「哈希函數的構建」 和 「哈希沖突的解決方法」 。

常用的哈希函數方法有：直接定址法、除留余數法、平方取中法、基數轉換法、數字分析法、折疊法、隨機數法、乘積法、點積法等。
常用的哈希沖突的解決方法有兩種：開放地址法和鏈地址法。

給你一個整數數組 nums 和兩個整數 k 和 t 。請你判斷是否存在 兩個不同下標 i 和 j，使得 abs(nums[i] - nums[j]) <= t ，同時又滿足 abs(i - j) <= k 。

如果存在則返回 true，不存在返回 false。

給定兩個數組 nums1 和 nums2 ，返回 它們的交集 。輸出結果中的每個元素一定是 唯一 的。我們可以 不考慮輸出結果的順序 。

給你兩個整數數組 nums1 和 nums2 ，請你以數組形式返回兩數組的交集。返回結果中每個元素出現的次數，應與元素在兩個數組中都出現的次數一致（如果出現次數不一致，則考慮取較小值）。可以不考慮輸出結果的順序。

請你判斷一個 9 x 9 的數獨是否有效。只需要 根據以下規則 ，驗證已經填入的數字是否有效即可。
數字 1-9 在每一行只能出現一次。
數字 1-9 在每一列只能出現一次。
數字 1-9 在每一個以粗實線分隔的 3x3 宮內只能出現一次。（請參考示例圖）

力扣217
力扣389
力扣496

內容參考： https://algo.itcharge.cn/05.%E5%93%88%E5%B8%8C%E8%A1%A8/01.%E5%93%88%E5%B8%8C%E8%A1%A8%E7%9F%A5%E8%AF%86/