【数据结构1】数据结构的分类、数组和列表的区别、栈(括号匹配问题)、队列(双向对列、环形队列、队列内置模块)、从队列读取文件、栈和队列的应用(迷宫问题-[栈-深度优先搜索]、[队列-广度优先搜索])

2024-08-23 22:28
文章标签 模块 问题 读取 数组 数据结构 搜索 分类 深度 内置 队列 括号 区别 双向 匹配 列表 优先 环形 广度 迷宫 对列

本文主要是介绍【数据结构1】数据结构的分类、数组和列表的区别、栈(括号匹配问题)、队列(双向对列、环形队列、队列内置模块)、从队列读取文件、栈和队列的应用(迷宫问题-[栈-深度优先搜索]、[队列-广度优先搜索])，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

1 数据结构的分类
2 数组和列表的区别
3 栈
3.1 栈的基本实现
3.2 栈的应用：括号匹配问题
4 队列
4.1 环形队列的实现
4.2 双向对列
4.3 python队列内置模块
4.4 从队列读取文件
5 栈和队列的应用：迷宫问题
6 栈和队列的应用(迷宫问题[队列-广度优先搜索])

1 数据结构的分类

数据结构按照其逻辑结构可分为线性结构、树结构、图结构
线性结构:数据结构中的元素存在一对一的相互关系
树结构:数据结构中的元素存在一对多的相互关系
图结构:数据结构中的元素存在多对多的相互关系

2 数组和列表的区别

数组与列表有两点不同:1.数组元素类型要相同2.数组长度固定

3 栈

栈(Stack)是一个数据集合，可以理解为只能在一端进行插入或删除操作的列表。
栈的特点:后进先出 LIFO(last-in,frst-out)
栈的概念:栈顶、栈底-栈的基本操作:进栈(压栈):push出栈:pop取栈顶:gettop-栈的实现：使用一般的列表结构即可实现栈进栈:li.append出栈:li.pop取栈顶:li[-1]

在这里插入图片描述

3.1 栈的基本实现

class Stack:def __init__(self):self.stack = []def push(self, element):self.stack.append(element)def pop(self):return self.stack.pop()def get_top(self):if len(self.stack) > 0:return self.stack[-1]return Nonestack = Stack()
stack.push(1)
stack.push(2)
stack.push(3)
print(stack.pop())

3.2 栈的应用：括号匹配问题

def brace_match(s):stack = Stack()match = {'}': '{', ']': '[', ')': '('}for ch in s:if ch in {'(', '[', '{'}:stack.push(ch)else:  # ch in {'}', ']', ')'}if stack.is_empty():return Falseelif stack.get_top() == match[ch]:stack.pop()else:  # stack.get_top() != mathc[ch]return Falseif stack.is_empty():return Truereturn Falseprint(brace_match('[{()}(){()}[]({}){}]'))  # True
print(brace_match('[]}'))  # False

4 队列

队列(Queue)是一个数据集合，仅允许在列表的一端进行插入，另一端进行删除。
进行插入的一端称为队尾(rear)，插入动作称为进队或入队
进行删除的一端称为队头(front)，删除动作称为出队
队列的性质:先进先出(First-in,First-out)

在这里插入图片描述

4.1 环形队列的实现

环形队列:当队尾指针front ==Maxsize+1时，再前进一个位置就自动到0
队首指针前进1:front=(front+1)% MaxSize
队尾指针前进1:rear=(rear+1)%MaxSize
队空条件:rear ==front
队满条件:(rear+1)% MaxSize == front

class Queue:def __init__(self, size=100):"""初始化一个循环队列。:param size: 队列的最大容量（默认值为100）"""# 创建一个固定大小的列表来存储队列元素self.queue = [0 for _ in range(size)]self.size = size  # 队列的最大容量self.rear = 0     # 队尾指针，指向下一个插入位置self.front = 0    # 队首指针，指向下一个删除位置def push(self, element):"""将元素插入队列。:param element: 要插入的元素:raises IndexError: 如果队列已满，则抛出异常"""if not self.is_filled():  # 检查队列是否已满self.queue[self.rear] = element  # 在队尾位置插入元素self.rear = (self.rear + 1) % self.size  # 更新队尾指针，使用模运算实现循环else:raise IndexError('Queue is filled!')  # 如果队列已满，抛出异常def pop(self):"""从队列中删除并返回队首元素。:return: 从队列中删除的元素:raises IndexError: 如果队列为空，则抛出异常"""if not self.is_empty():  # 检查队列是否为空element = self.queue[self.front]  # 获取队首元素self.front = (self.front + 1) % self.size  # 更新队首指针，使用模运算实现循环return elementelse:raise IndexError('Queue is empty!')  # 如果队列为空，抛出异常def is_empty(self):"""检查队列是否为空。:return: 如果队列为空，返回True；否则，返回False"""# 队列为空的条件是队尾指针和队首指针相同return self.rear == self.frontdef is_filled(self):"""检查队列是否已满。:return: 如果队列已满，返回True；否则，返回False"""# 队列满的条件是队尾指针的下一个位置与队首指针相同return (self.rear + 1) % self.size == self.frontq = Queue(5)
for i in range(4):q.push(i)
print(q.is_filled())  # True

在这里插入图片描述

4.2 双向对列

双向队列的两端都支持进队和出队操作
双向队列的基本操作:队首进队队首出队队尾进队队尾出队

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

4.3 python队列内置模块

使用方法:from collections import deque
创建队列:queue = deque()
p进队:append()
出队:popleft()
双向队列队首进队:appendleft()
双向队列队尾出队:pop()

from collections import deque# 创建一个双向队列（deque）对象 q
# q = deque()# 使用指定的初始元素和最大长度来创建双向队列
q = deque([1, 2, 3], 5)  # 初始化队列 q，包含元素 1, 2, 3，最大长度为 5# 操作单向队列# 队尾进队：将元素 6 添加到队列的末尾
q.append(6)# 队首出队：移除并返回队列的第一个元素
# q.popleft()
print(q.popleft())  # 输出: 1# 操作双向队列# 队首进队：将元素 1 添加到队列的开头
q.appendleft(1)# 队尾出队：移除并返回队列的最后一个元素
q.pop()

4.4 从队列读取文件

from collections import dequedef tail(n):with open('test.txt', 'r') as f:q = deque(f, n)return q# print(tail(5))
for line in tail(5):print(line, end='')

5 栈和队列的应用：迷宫问题

栈：深度优先搜索
回溯法
思路:从一个节点开始，任意找下一个能走的点，当找不到能走的点时，退回上一个点寻找是否有其他方向的点。
使用栈存储当前路径

# 1代表墙  0代表通道
maze = [[1, 1, 1, 1, 1, 1, 1, 1, 1, 1],[1, 0, 0, 1, 0, 0, 0, 1, 0, 1],[1, 0, 0, 1, 0, 0, 0, 1, 0, 1],[1, 0, 0, 0, 0, 1, 1, 0, 0, 1],[1, 0, 1, 1, 1, 0, 0, 0, 0, 1],[1, 0, 0, 0, 1, 0, 0, 0, 0, 1],[1, 0, 1, 0, 0, 0, 1, 0, 0, 1],[1, 0, 1, 1, 1, 0, 1, 1, 0, 1],[1, 1, 0, 0, 0, 0, 0, 0, 0, 1],[1, 1, 1, 1, 1, 1, 1, 1, 1, 1]
]dirs = [lambda x, y: (x + 1, y),  # 下lambda x, y: (x - 1, y),  # 上lambda x, y: (x, y - 1),  # 左lambda x, y: (x, y + 1)   # 右
]def maze_path(x1: int, y1: int, x2: int, y2: int) -> bool:"""在迷宫中寻找从 (x1, y1) 到 (x2, y2) 的路径:param x1: 起点的x坐标:param y1: 起点的y坐标:param x2: 终点的x坐标:param y2: 终点的y坐标:return: 如果找到路径返回 True，并打印路径；否则返回 False"""stack = []  # 用栈来存储路径stack.append((x1, y1))  # 将起点坐标入栈while len(stack) > 0:  # 当栈不为空时，循环寻找路径cur_node = stack[-1]  # 取当前路径的最后一个节点作为当前节点if cur_node[0] == x2 and cur_node[1] == y2:  # 如果当前节点是终点for p in stack:  # 打印路径print(p)return True  # 找到路径，返回 True# 尝试从当前节点向四个方向移动for dir in dirs:next_node = dir(cur_node[0], cur_node[1])  # 计算下一个节点的位置# 如果下一个节点是通道（未访问过）if maze[next_node[0]][next_node[1]] == 0:stack.append(next_node)  # 将下一个节点入栈maze[next_node[0]][next_node[1]] = 2  # 标记该节点已访问过break  # 成功移动到新节点，退出当前循环else:maze[next_node[0]][next_node[1]] = 2stack.pop()  # 如果四个方向都无法移动else:  # 如果栈为空且未找到路径print('无路可走')return False  # 返回 False，表示没有找到路径# 调用迷宫路径寻找函数，从 (1, 1) 到 (8, 8)
print(maze_path(1, 1, 8, 8))

6 栈和队列的应用(迷宫问题[队列-广度优先搜索])

思路:从一个节点开始，寻找所有接下来能继续走的点，继续不断寻找，直到找到出口。
使用队列存储当前正在考虑的节点

图形演示
在这里插入图片描述

from collections import deque# 1代表墙  0代表通道
maze = [[1, 1, 1, 1, 1, 1, 1, 1, 1, 1],[1, 0, 0, 1, 0, 0, 0, 1, 0, 1],[1, 0, 0, 1, 0, 0, 0, 1, 0, 1],[1, 0, 0, 0, 0, 1, 1, 0, 0, 1],[1, 0, 1, 1, 1, 0, 0, 0, 0, 1],[1, 0, 0, 0, 1, 0, 0, 0, 0, 1],[1, 0, 1, 0, 0, 0, 1, 0, 0, 1],[1, 0, 1, 1, 1, 0, 1, 1, 0, 1],[1, 1, 0, 0, 0, 0, 0, 0, 0, 1],[1, 1, 1, 1, 1, 1, 1, 1, 1, 1]
]dirs = [lambda x, y: (x + 1, y),  # 下lambda x, y: (x - 1, y),  # 上lambda x, y: (x, y - 1),  # 左lambda x, y: (x, y + 1)  # 右
]def print_node(path):"""还原并打印从起点到终点的实际路径:param path: 保存路径的列表，每个元素是一个三元组，表示当前节点的坐标和其父节点的索引"""real_path = list()  # 存储实际路径i = len(path) - 1  # 从路径的最后一个节点开始回溯while i >= 0:real_path.append(path[i][0:2])  # 将当前节点的坐标添加到实际路径中i = path[i][2]  # 继续回溯到父节点real_path.reverse()  # 由于是从终点回溯到起点，所以需要反转路径for node in real_path:print(node)  # 打印实际路径中的每个节点坐标def maze_path_queue(x1: int, y1: int, x2: int, y2: int) -> bool:"""使用广度优先搜索（BFS）在迷宫中寻找从 (x1, y1) 到 (x2, y2) 的路径:param x1: 起点的x坐标:param y1: 起点的y坐标:param x2: 终点的x坐标:param y2: 终点的y坐标:return: 如果找到路径返回 True，否则返回 False"""queue = deque()  # 初始化队列用于BFSpath = list()  # 保存已访问节点的路径，每个元素包含节点坐标和其父节点的索引queue.append((x1, y1, -1))  # 将起点节点入队，初始节点没有父节点，因此索引为 -1while len(queue) > 0:  # 当队列不空时，继续寻找路径cur_node = queue.popleft()  # 从队列中取出当前节点path.append(cur_node)  # 将当前节点加入到路径中if cur_node[0] == x2 and cur_node[1] == y2:  # 检查当前节点是否为终点print_node(path)  # 如果到达终点，则打印实际路径return True  # 返回 True 表示成功找到路径# 遍历当前节点的四个可能的移动方向for dir in dirs:next_node = dir(cur_node[0], cur_node[1])  # 计算下一个节点的坐标# 如果下一个节点是通道（未访问过）if maze[next_node[0]][next_node[1]] == 0:queue.append((next_node[0], next_node[1], len(path) - 1))  # 将下一个节点入队，并记录其父节点的索引maze[next_node[0]][next_node[1]] = 2  # 标记该节点已访问过，避免重复访问else:  # 如果队列为空，且未找到路径return False  # 返回 False 表示没有找到路径# 调用迷宫路径寻找函数，从 (1, 1) 到 (8, 8)
print(maze_path_queue(1, 1, 8, 8))

这篇关于【数据结构1】数据结构的分类、数组和列表的区别、栈(括号匹配问题)、队列(双向对列、环形队列、队列内置模块)、从队列读取文件、栈和队列的应用(迷宫问题-[栈-深度优先搜索]、[队列-广度优先搜索])的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/1100665。

相关文章

Python如何计算两个不同类型列表的相似度

Python如何计算两个不同类型列表的相似度

《Python如何计算两个不同类型列表的相似度》在编程中,经常需要比较两个列表的相似度,尤其是当这两个列表包含不同类型的元素时,下面小编就来讲讲如何使用Python计算两个不同类型列表的相似度吧... 目录摘要引言数字类型相似度欧几里得距离曼哈顿距离字符串类型相似度Levenshtein距离Jaccard相
阅读更多...
解决jupyterLab打开后出现Config option `template_path`not recognized by `ExporterCollapsibleHeadings`问题

解决jupyterLab打开后出现Config option `template_path`not recognized by `ExporterCollapsibleHeadings`问题

《解决jupyterLab打开后出现Configoption`template_path`notrecognizedby`ExporterCollapsibleHeadings`问题》在Ju... 目录jupyterLab打开后出现“templandroidate_path”相关问题这是 tensorflo
阅读更多...
如何解决Pycharm编辑内容时有光标的问题

如何解决Pycharm编辑内容时有光标的问题

《如何解决Pycharm编辑内容时有光标的问题》文章介绍了如何在PyCharm中配置VimEmulator插件,包括检查插件是否已安装、下载插件以及安装IdeaVim插件的步骤... 目录Pycharm编辑内容时有光标1.如果Vim Emulator前面有对勾2.www.chinasem.cn如果tools工
阅读更多...
Java深度学习库DJL实现Python的NumPy方式

Java深度学习库DJL实现Python的NumPy方式

《Java深度学习库DJL实现Python的NumPy方式》本文介绍了DJL库的背景和基本功能,包括NDArray的创建、数学运算、数据获取和设置等,同时,还展示了如何使用NDArray进行数据预处理... 目录1 NDArray 的背景介绍1.1 架构2 JavaDJL使用2.1 安装DJL2.2 基本操
阅读更多...
最长公共子序列问题的深度分析与Java实现方式

最长公共子序列问题的深度分析与Java实现方式

《最长公共子序列问题的深度分析与Java实现方式》本文详细介绍了最长公共子序列（LCS）问题,包括其概念、暴力解法、动态规划解法,并提供了Java代码实现,暴力解法虽然简单,但在大数据处理中效率较低,... 目录最长公共子序列问题概述问题理解与示例分析暴力解法思路与示例代码动态规划解法DP 表的构建与意义动
阅读更多...
Java多线程父线程向子线程传值问题及解决

Java多线程父线程向子线程传值问题及解决

《Java多线程父线程向子线程传值问题及解决》文章总结了5种解决父子之间数据传递困扰的解决方案,包括ThreadLocal+TaskDecorator、UserUtils、CustomTaskDeco... 目录1 背景2 ThreadLocal+TaskDecorator3 RequestContextH
阅读更多...
关于Spring @Bean 相同加载顺序不同结果不同的问题记录

关于Spring @Bean 相同加载顺序不同结果不同的问题记录

《关于Spring@Bean相同加载顺序不同结果不同的问题记录》本文主要探讨了在Spring5.1.3.RELEASE版本下,当有两个全注解类定义相同类型的Bean时,由于加载顺序不同,最终生成的... 目录问题说明测试输出1测试输出2@Bean注解的BeanDefiChina编程nition加入时机总结问题说明
阅读更多...
关于最长递增子序列问题概述

关于最长递增子序列问题概述

《关于最长递增子序列问题概述》本文详细介绍了最长递增子序列问题的定义及两种优化解法：贪心+二分查找和动态规划+状态压缩,贪心+二分查找时间复杂度为O(nlogn),通过维护一个有序的“尾巴”数组来高效... 一、最长递增子序列问题概述1. 问题定义给定一个整数序列，例如 nums = [10, 9, 2
阅读更多...
Spring AI Alibaba接入大模型时的依赖问题小结

Spring AI Alibaba接入大模型时的依赖问题小结

《SpringAIAlibaba接入大模型时的依赖问题小结》文章介绍了如何在pom.xml文件中配置SpringAIAlibaba依赖,并提供了一个示例pom.xml文件,同时,建议将Maven仓... 目录（一）pom.XML文件：（二）application.yml配置文件（一）pom.xml文件：首
阅读更多...
Go语言中三种容器类型的数据结构详解

Go语言中三种容器类型的数据结构详解

《Go语言中三种容器类型的数据结构详解》在Go语言中,有三种主要的容器类型用于存储和操作集合数据：本文主要介绍三者的使用与区别,感兴趣的小伙伴可以跟随小编一起学习一下... 目录基本概念1. 数组（Array）2. 切片（Slice）3. 映射（Map）对比总结注意事项基本概念在 Go 语言中，有三种主要
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2