【python与数据结构】（leetcode算法预备知识）

笔记为自我总结整理的学习笔记，若有错误欢迎指出哟~

python与数据结构

  • Python 中常见的数据类型
  • 数据结构
    • 1.数组（Array）
    • 2.链表（Linked List）
    • 3.哈希表（Hash Table）
    • 4.队列（Queue）
      • list
      • deque(类似双端队列)
    • 5.栈（Stack）
      • list
      • deque
    • 6.堆（Heep）
    • 7.树（Tree）
  • 数据类型常见操作
    • 1.数字类型
    • 2.布尔类型
    • 3.字符串类型
    • 4.列表类型
    • 5.元组类型
    • 6.集合类型
    • 7.字典类型

Python 中常见的数据类型

1.数字类型：

  • 整数（int）：表示整数值，例如 1、-5、100。
  • 浮点数（float）：表示带有小数部分的数字，例如 3.14、-0.5、2.0。
  • 复数（complex）：表示实部和虚部的复数，例如 2+3j。

2.布尔类型（bool）：

  • 表示真（True）或假（False）的逻辑值。

3.字符串类型（str）：

  • 表示文本数据，使用单引号或双引号括起来，例如 ‘Hello’、“World”。

4.列表类型（list）：

  • 表示有序的可变序列，可以包含不同类型的元素，使用方括号括起来，例如 [1, 2, ‘a’, True]。

5.元组类型（tuple）：

  • 类似于列表，但是不可变，使用圆括号括起来，例如 (1, 2, ‘a’, True)。

6.集合类型（set）：

  • 表示无序且唯一的元素集合，使用花括号括起来，例如 {1, 2, 3}。

7.字典类型（dict）：

  • 表示键值对的映射关系，使用花括号括起来，例如 {‘name’: ‘Alice’, ‘age’: 25}。

数据结构

1.数组（Array）

列表类型（list）

2.链表（Linked List）

在这里插入图片描述

class ListNode:
	def __init__(self,x):
		self.val = x
		self.next = None

3.哈希表（Hash Table）

字典类型（dict）

4.队列（Queue）

在这里插入图片描述

list

进队：append()

出队：pop(0)

l = [1,2,3,4,5]

l.append(6)
l
#[1, 2, 3, 4, 5, 6]

l.pop(0)
l
#[2, 3, 4, 5, 6]

deque(类似双端队列)

deque 是 Python 中的一个内置模块 collections 中的类，用于实现双端队列（double-ended queue）。双端队列是一种具有队列和栈特性的数据结构，支持在两端进行插入和删除操作。

deque 提供了以下常用操作：

  1. 创建双端队列：
    • 使用 deque() 函数创建一个空的双端队列。
    • 例如：from collections import deque，d = deque()。
  2. 在队列两端插入元素：
    • 使用 append(item) 在队列的右端插入一个元素。
    • 使用 appendleft(item) 在队列的左端插入一个元素。
    • 例如：d.append(1)，d.appendleft(2)。
  3. 在队列两端删除元素：
    • 使用 pop() 删除并返回队列右端的元素。
    • 使用 popleft() 删除并返回队列左端的元素。
    • 例如：d.pop()，d.popleft()。
  4. 访问队列两端的元素：
    • 使用 [-1] 索引访问队列右端的元素。
    • 使用 [0] 索引访问队列左端的元素。
    • 例如：d[-1]，d[0]。
  5. 获取队列长度：
    • 使用 len(d) 获取队列中的元素个数。
  6. 判断队列是否为空：
    • 使用 not d 或 len(d) == 0 判断队列是否为空。

deque 还支持其他一些方法，如旋转队列、计数元素出现次数、反转队列等。双端队列在实际应用中常用于需要高效地在两端进行插入和删除操作的场景，比如实现缓存、任务调度等。

右进：append()

右出：pop()

左进：appendleft()

左出：popleft()

from collections import deque
q = deque([1,2,3])

q.append(4)
q
#deque([1, 2, 3, 4])

q.pop()
q
#deque([1, 2, 3])

q.appendleft(4)
q
#deque([4, 1, 2, 3])

q.popleft()
q
#deque([1, 2, 3])

使用：先进后出

#使用方法1：队头<---   队列   <---队尾
#append()	队尾
#popleft()	队头

from collections import deque
q = deque([1,2,3])

q.append(4)
q
#deque([1, 2, 3, 4])

q.popleft()
q
#deque([2, 3, 4])

#使用方法2：队尾--->   队列   --->队头
#appendleft()	队尾
#pop()	队头

from collections import deque
q = deque([1,2,3])

q.appendleft(4)
q
#deque([4, 1, 2, 3])

q.pop()
q
#deque([4, 1, 2])

5.栈（Stack）

在这里插入图片描述

list

进栈：append()

出栈：pop()

l = [1,2,3,4,5]

l.append(6)
l
#[1, 2, 3, 4, 5, 6]

l.pop()
l
#[1, 2, 3, 4, 5]

deque

右进：append()

右出：pop()

左进：appendleft()

左出：popleft()

使用：先进先出，后进后出

6.堆（Heep）

在这里插入图片描述
heapq 是 Python 中的一个内置模块，提供了堆（heap）算法的实现。堆是一种特殊的树形数据结构，满足以下性质：

  • 堆是一棵完全二叉树；
  • 堆中的每个节点都必须大于等于（或小于等于）其子节点。

Python 中的 heapq 模块提供了以下常用函数：

  1. heapify(iterable)：
    • 将一个可迭代对象转化为堆，时间复杂度为O*(*n)。
    • 例如：heapq.heapify([3, 1, 4, 1, 5, 9])。
  2. heappush(heap, item)：
    • 将一个元素加入堆中，时间复杂度为 O(logn)。
    • 例如：heapq.heappush([3, 1, 4, 1, 5, 9], 2)。
  3. heappop(heap)：
    • 弹出堆中最小的元素，时间复杂度为 O(logn)。
    • 例如：heapq.heappop([1, 1, 3, 4, 5, 9])。
  4. heapreplace(heap, item)：
    • 弹出堆中最小的元素，并将新元素加入堆中，时间复杂度为 O*(*logn)。
    • 例如：heapq.heapreplace([1, 1, 3, 4, 5, 9], 2)。
  5. nlargest(n, iterable[, key])：
    • 返回可迭代对象中最大的 n 个元素，时间复杂度为 O*(*nlogk)，其中 k=min(n,len(iterable))。
    • 例如：heapq.nlargest(3, [1, 2, 3, 4, 5, 6, 7, 8, 9])。
  6. nsmallest(n, iterable[, key])：
    • 返回可迭代对象中最小的 n 个元素，时间复杂度为 O*(*nlogk)，其中 k=min(n,len(iterable))。
    • 例如：heapq.nsmallest(3, [9, 8, 7, 6, 5, 4, 3, 2, 1])。

heapq 模块可以用于实现堆排序、优先队列等算法，同时也可以用于解决一些常见的算法问题，如求 top-k 问题、求中位数等。在使用 heapq 模块时，需要注意元素的比较方式，可以通过传递 key 参数来指定比较函数。

from heapq import * 

a = [1,2,3,4,5]
heapify(a)
a
#[1, 2, 3, 4, 5]

heappush(a,-1)
a
#[-1, 2, 1, 4, 5, 3]

heappop(a)
a
#[1, 2, 3, 4, 5]

nlargest(3,a)
#[5, 4, 3]

nsmallest(3,a)
#[1, 2, 3]

7.树（Tree）

在这里插入图片描述

数据类型常见操作

1.数字类型

  • abs()：绝对值
  • max()/min()：最大值/最小值
  • pow(x,y)：xy
  • sqrt(x)：根号x
abs(-5)
#5

max(1,3,6)
#6

min(1,-1,4)
#-1

pow(3,3)
#27

import math
math.sqrt(9)
#3.0

2.布尔类型

bool(0)
#False

bool(2)
#True

bool(-1)
#True

3.字符串类型

  • len(s)：字符串长度，空格也算
  • max(s)：最大字符
  • max(s)：最小字符
  • s.count(‘H’)：统计H的个数
  • s.isupper()：是否为大写
  • s.islower()：是否为小写
  • s.isdigit()：是否为数字
  • s.lower()：转换为小写
  • s.upper()：转换为大写
  • s.swapcase()：大小写转换
  • s.split()：分割字符串
s="Hello world"

len(s)
#11

max(s)
#'w'

s.count("l")
#3

s.isupper()
#False

s.islower()
#False

s.isdigit()
#False

s.lower()
#'hello world'

s.upper()
#'HELLO WORLD'

s.swapcase()
#'hELLO WORLD'

s.split()
#['Hello', 'world']
  • s.strip()：去除两边字符串
  • s.lstrip()：去除左边字符串
  • s.rstrip()：去除右边字符串
  • s.replace()：交换字符串。

注意：strip()不能去除字符串中间的空格，去除中间空格用replace()

a='   hello world   '
a.strip()
#'hello world'

a.lstrip()
#'hello world   '

a.rstrip()
#'   hello world'

a.replace(' ','')
#'helloworld'

4.列表类型

a = [1,54,2,22,4]
  • 增加
    • a.append(元素)
    • a.insert(位置,元素)
a.append(25)
a
#[1, 54, 2, 22, 4, 25]

a.insert(0,2)
a
#[2, 1, 54, 2, 22, 4, 25]
  • 更新
    • a[位置]=元素
a[0]=3
a
#[3, 1, 54, 2, 22, 4, 25]
  • 删除
    • a.pop(位置) 默认最后元素
    • a.remove(元素)
a.pop()
#25

a.remove(3)
a
#[1, 54, 2, 22, 4]

  • 遍历

    • for x in a:

      ​ print(x)

    • for i in range(len(a)):

      ​ print(a[i])

    • b=[x**2 for x in a]:

      ​ print(x)

for x in a:
    print(x)
'''
1
54
2
22
4
'''

for i in range(len(a)):
    print(a[i])
'''
1
54
2
22
4
'''

b=[x**2 for x in a]
b
#[1, 2916, 4, 484, 16]
  • len(l)：列表长度
  • max(l)：最大元素，列表为同一类型
  • max(l)：最小元素，列表为同一类型
  • l.reverse()：翻转
  • l.sort(reverse = True) ：降序排序
  • in：元素是否再列表
  • 切片
  • l.clear()：清空列表
l=[1,2,3,4,5,6]
len(l)
#6

max(l)
#6

min(l)
#1

l.reverse()
l
#[6, 5, 4, 3, 2, 1]

l.sort(reverse = False) #降序
l
#[1, 2, 3, 4, 5, 6]

4 in l
#True

l[0:2]
#[1, 2]

l.clear()
l
#[]

5.元组类型

a=(1,1.5,'abc')
  • 查找
a[0]
#1

a[2]
#'abc'
  • len(a)
  • in
  • 切片
len(a)
#3

1 in a
#True

a[0:2]
#(1, 1.5)

6.集合类型

  • 增加
    • a.add()
    • a.update()
  • 删除
    • a.remove()
a={1,1.5,'abc'}
a.add(2)
a
#{1, 1.5, 2, 'abc'}

a.update({4,5})
a
#{1, 1.5, 2, 4, 5, 'abc'}

a.remove(1.5)
a
#{1, 2, 4, 5, 'abc'}
  • in
  • 集合间的操作
    • a-b：a有b没有
    • a|b：a有或b有
    • a&b：a、b都有
    • a^b：a、b不同时有
a={1,2,3}
b={3,4,5}

a-b
#{1, 2}

a|b
#{1, 2, 3, 4, 5}

a&b
#{3}

a^b
#{1, 2, 4, 5}

7.字典类型

  • 增/改
    • dict[key]=value
  • 删
    • dict.pop(key)
  • in
    • key in dict
s = {'age':18,'name':'小明'}

s['age']=19
s
#{'age': 19, 'name': '小明'}

s['city']='长沙'
s
#{'age': 19, 'name': '小明', 'city': '长沙'}

s.pop('city')
s
#{'age': 19, 'name': '小明'}

'age' in s
#True
  • 遍历
    • key
    • value
    • k,v
for key in s:
    print(key)
#age
#name

for value in s.values():
    print(value)
#19
#小明

for k,v in s.items():
    print(k,v)
#age 19
#name 小明

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：/a/108731.html

如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈qq邮箱809451989@qq.com，一经查实，立即删除！

相关文章

洛谷 B2029 大象喝水 C++代码

洛谷 B2029 大象喝水 C++代码

题目描述 AC Code #include<bits/stdc.h> using namespace std; int main() {int h,r;cin>>h>>r;double val;val3.14*r*r*h;int ans20000/val;ans;cout<<ans<<endl;return 0; }
阅读更多...
动手学深度学习(李沐)的pytorch版本（包含代码和PDF版本）

动手学深度学习(李沐)的pytorch版本（包含代码和PDF版本）

目录 网址&#xff08;特别适合自学&#xff09; 说明: 代码与PDF版 网址&#xff08;特别适合自学&#xff09; 传送门 界面一览&#xff1a; 说明: github上一个项目将《动手学深度学习》从mxnet改为了pytorch实现。感谢大佬们的工作。   特别说明该电子版网页是通过do…
阅读更多...
JVM调优（10）JVM的运行时数据区

JVM调优（10）JVM的运行时数据区

一、概述 对于 C C 来说&#xff0c;在内存管理领域&#xff0c;JVM既拥有最高的权利&#xff0c;但是同时他们又是从事最基础工作的劳动人员&#xff0c;因为他们担负着每一个对象从开始到结束的维护责任。而对于Java来说&#xff0c;再虚拟机自动内存管理的帮助下&#xff0…
阅读更多...
2000-2021年三批“智慧城市”试点名单匹配数据

2000-2021年三批“智慧城市”试点名单匹配数据

2000-2021年三批“智慧城市”试点名单匹配数据 1、时间&#xff1a;2000-2021年 2、指标&#xff1a;行政区划代码、地区、所属省份、年份、智慧城市试点、最早试点年份 3、来源&#xff1a;住建部公布的三批“国家智慧城市名单” 4、说明&#xff1a;内含原始文件和匹配结…
阅读更多...
Liunx两台服务器实现相互SSH免密登录

Liunx两台服务器实现相互SSH免密登录

一、首先准备两台Linux虚拟机当作此次实验的两台服务器 服务器1&#xff1a;server IPV4&#xff1a;192.168.110.136 服务器2&#xff1a;client IPV4&#xff1a; 192.168.110.134 二、准备阶段 [rootserver ~]# systemctl disable firewalld #关…
阅读更多...
Web3 治理实践探讨：如何寻找多元化发展路径？

Web3 治理实践探讨：如何寻找多元化发展路径？

Web3 领域变革正崭露头角&#xff0c;而社区治理开始成为行业热议话题。Web3 项目如何探寻多元化建设的解困路径&#xff0c;究竟是治理模型的精进成为首要问题&#xff0c;还是吸纳更多资金与组织教育培训&#xff0c;让开发者成为项目建设的中坚力量&#xff1f;本期 TinTinW…
阅读更多...
知识分享|分段函数线性化及matlab测试

知识分享|分段函数线性化及matlab测试

目录 1 使用0-1变量将分段函数转换为线性约束 2 连续函数采用分段线性化示例 3 matlab程序测试 4 matlab测试结果说明 5 分段线性化应用 1 使用0-1变量将分段函数转换为线性约束 2 连续函数采用分段线性化示例 3 matlab程序测试 clc;clear all;gn10;tn1;x_pfsdpvar(1, tn,…
阅读更多...
【Python爬虫三天从0到1】Day1：爬虫核心

【Python爬虫三天从0到1】Day1：爬虫核心

目录 1.HTTP协议与WEB开发 &#xff08;1&#xff09;简介 &#xff08;2&#xff09;请求协议和响应协议 2. requests&反爬破解 &#xff08;1&#xff09;UA反爬 &#xff08;2&#xff09;referer反爬 &#xff08;3&#xff09;cookie反爬 3.请求参数 &#x…
阅读更多...
程序设计语言

程序设计语言

编译解释 传参还是传值 编译原理
阅读更多...
Centos使用tomcat部署jenkins

Centos使用tomcat部署jenkins

jenkins的最新版本已经不在支持jdk8&#xff0c;支持的jdk环境如下&#xff1a; 安装jdk环境 yum -y install java-11-openjdk.x86_64 java-11-openjdk-devel.x86_64安装tomcat tomcat官网 cd /optwget https://dlcdn.apache.org/tomcat/tomcat-9/v9.0.82/bin/apache-tomcat…
阅读更多...
大数据-Storm流式框架（七)---Storm事务

大数据-Storm流式框架（七)---Storm事务

storm 事务 需求 storm 对于保证消息处理&#xff0c;提供了最少一次的处理保证。最常见的问题是如果元组可以被 重发&#xff0c;可以用于计数吗&#xff1f;不会重复计数吗&#xff1f; strom0.7.0 引入了事务性拓扑的概念&#xff0c;可以保证消息仅被严格的处理一次。因此可…
阅读更多...
leetCode 2578. 最小和分割 + 排序 + 贪心 + 奇偶分组（构造最优解）

leetCode 2578. 最小和分割 + 排序 + 贪心 + 奇偶分组（构造最优解）

2578. 最小和分割 - 力扣&#xff08;LeetCode&#xff09; 给你一个正整数 num &#xff0c;请你将它分割成两个非负整数 num1 和 num2 &#xff0c;满足&#xff1a; num1 和 num2 直接连起来&#xff0c;得到 num 各数位的一个排列。 换句话说&#xff0c;num1 和 num2 中所…
阅读更多...
黑客在Pwn2Own Toronto上以58个零日漏洞赚取超过100万美元

黑客在Pwn2Own Toronto上以58个零日漏洞赚取超过100万美元

Pwn2Own Toronto 2023黑客大赛已经圆满结束&#xff0c;安全研究人员通过攻击消费类产品的58个零日漏洞&#xff08;以及多个漏洞碰撞&#xff09;赚取了1,038,500美元。此次比赛由趋势科技的零日倡议&#xff08;Zero Day Initiative&#xff0c;简称ZDI&#xff09;组织&…
阅读更多...
目标检测及锚框、IoU

目标检测及锚框、IoU

文章目录 1. 目标检测2. 锚框3. IoU - 交并比4. 赋予锚框标号5. 使用非极大值抑制&#xff08;NMS&#xff09;输出 1. 目标检测 物体检测&#xff08;目标检测&#xff09;是计算机视觉和数字图像处理的热门方向&#xff0c;意在判断一幅图像上是否存在感兴趣物体&#xff0c…
阅读更多...
在pycharm中，远程操作服务器上的jupyter notebook

在pycharm中，远程操作服务器上的jupyter notebook

一、使用场景 现在我们有两台电脑&#xff0c;一台是拥有高算力的服务器&#xff0c;另一台是普通的轻薄笔记本电脑。如何在服务器上运行jupyter notebook&#xff0c;同时映射到笔记本电脑上的pycharm客户端中进行操作呢&#xff1f; 二、软件 pycharm专业版&#xff0c;jupy…
阅读更多...
【Python · PyTorch】线性代数 微积分

【Python · PyTorch】线性代数 微积分

本文采用Python及PyTorch版本如下&#xff1a; Python&#xff1a;3.9.0 PyTorch&#xff1a;2.0.1cpu 本文为博主自用知识点提纲&#xff0c;无过于具体介绍&#xff0c;详细内容请参考其他文章。 线性代数 & 微积分 1. 线性代数1.1 基础1.1.1 标量1.1.2 向量长度&…
阅读更多...
【LeetCode】7. 整数反转

【LeetCode】7. 整数反转

题目链接 文章目录 Python3官方解法 ⟮ O ( ∣ x ∣ ) 、 O ( 1 ) ⟯ \lgroup O(|x|)、O(1)\rgroup ⟮O(∣x∣)、O(1)⟯写法2写法3 C官方解法 ⟮ O ( ∣ x ∣ ) 、 O ( 1 ) ⟯ \lgroup O(|x|)、O(1)\rgroup ⟮O(∣x∣)、O(1)⟯ Python3 官方解法 ⟮ O ( ∣ x ∣ ) 、 O ( 1…
阅读更多...
数据库调优（Mysql）

数据库调优（Mysql）

1 索引 索引是帮助数据库高效查询的一种数据结构&#xff1a; 查询语句&#xff1a;select * from t where t.Col2 89; 不加索引进行数据库查询时&#xff0c;每次都需要将所有数据遍历一次&#xff0c;直到找到符合目标的数据。 加上索引之后&#xff0c;可以根据数据结构不同…
阅读更多...
数据结构【DS】B树

数据结构【DS】B树

m阶B树的核心特性: Q&#xff1a;根节点的子树数范围是多少&#xff1f;关键字数的范围是多少&#xff1f; A&#xff1a;根节点的子树数∈[2, m],关键字数∈[1, m-1]。 Q&#xff1a;其他结点的子树数范围是多少&#xff1f;关键字数范围是多少&#xff1f; Q&#xff1a;对任…
阅读更多...
F5修复了允许远程代码执行攻击的BIG-IP认证绕过漏洞

F5修复了允许远程代码执行攻击的BIG-IP认证绕过漏洞

图片 导语 近日&#xff0c;网络安全公司Praetorian Security的研究人员发现了一项影响F5 BIG-IP配置工具的严重漏洞&#xff0c;该漏洞被命名为CVE-2023-46747。攻击者可以通过远程访问配置工具来执行未经身份验证的远程代码&#xff0c;从而对系统进行攻击。本文将详细介绍该…
阅读更多...
最新文章

Copyright @ 2022~2023