Python数据结构——array

array 数组

array是什么

一般来说,array基本是所有程序语言都有的一种基础线性结构,元素以特定的顺序存储在一段连续的内存中。
Python数据结构——array_第1张图片
在Python中其实也有array这种数据结构,和其他语言的array一样,也是内存连续,只能存储相同类型元素的线性数据结构,而且Python的array只能存储数值和字符。


array有哪些功能

这里只讲一下内置array。需要先import array:

    # 可以直接使用内置array
    from array import array
    # 或是从numpy中引用array
    import numpy as np
    np.array()

array的创建

    # 构造方法如下
    # 需要提供一个类型代码字符来指示存储何种元素
    # 以及一个可迭代对象来填充元素
    array.array(typecode[, initializer])
    
    # array所有的类型代码字符
    print(array.typecodes)
    bBuhHiIlLqQfd
    
    # 创建一个存储整型的array
    arr = array('i', [1,2,3,4,5,6])

array类型代码

从Python类型来看,只能存储整数,浮点数和unicode字符

并且在Python中,最小的整型size为28个字节,整型的长度可变, 每增加 2 30 2^{30} 230就增加4个字节。这点以后再补充。
Python数据结构——array_第2张图片

array的方法和操作

这里暂且只谈一下数据结构比较基本的增删改查等操作, 更多代码详情见github

具体实现可参考此处

索引

下标索引

所有语言的array都可以通过下标来直接访问对象。

这一点是由计算机的硬件实现的。我们知道array的元素在内存上的分布是连续的,而且元素种类相同,所以数组中任意一项的地址可以由基本地址和偏移量算出。基本地址就是第一个元素的地址,偏移量就等于索引乘以数组内任意元素占用的内存大小。

时间复杂度:

因为每一次找到对应的元素只需要一次计算,所以索引的时间复杂度为 O ( 1 ) O(1) O(1)


切片索引

array通过下表索引固然很方便,但有时我们想一次性获取更多的内容,此时可以使用切片索引。

array[i1:i2]可以返回一个新的数组,包含原数组索引为i1i2-1的全部元素

时间复杂度:

切片索引的实际操作为:

    def slice(i1, i2):
      	res_arr = array(typecode)       # 先创建一个新的数组
      	for i in range(i1, i2):					# 然后按照索引依次读取原数组中的元素
        		val = arr[i]                
        		res_arr.append(val)         # 将这些元素添加到新的数组中
      	return res_arr

因此切片索引的时间复杂度为 O ( 2 k ) ⇒ O ( k ) O(2k) \Rightarrow O(k) O(2k)O(k) k k k指的是参数的数量


增加元素

append()

array.append(x)可以直接在数组的末尾添加新元素

时间复杂度:

要想增加元素,我们必须先定位到最后一位元素的后一位,然后执行赋值操作

所以索引到最后一个元素和增加一个元素都只需要一次运算,时间复杂度为 O ( 1 ) O(1) O(1)


insert()

insert(i, x)可以用来在索引i处添加元素x

时间复杂度:

要想在索引i插入某个元素,我们必须先将索引i及之后的元素向后移动一位,然后再给索引i赋值

因此插入元素时需要的后移操作的次数和数组内元素的个数有关,所以时间复杂度为 O ( n ) O(n) O(n)


extend()

extend(iterable)操作将一个可迭代对象的每一个元素添加到数组末尾,如果数据类型和数组的数据类型不匹配会有TypeError异常

时间复杂度:

操作过程为先遍历读取可迭代对象的每个元素,然后添加到数组末尾,时间复杂度为 O ( k ) O(k) O(k)


删除元素

pop()

pop(i=-1)用来移除数组中的某个元素并返回,可以传入索引值,默认为-1。也就是说pop()默认移除最后一位元素。

时间复杂度:

如果只是移除最后一位元素,那么时间复杂度为 O ( 1 ) O(1) O(1)

如果移除的是数组中的元素,那么还需要进行数据前移,前移的次数也和数组大小有关,因此时间复杂度为 O ( n ) O(n) O(n)


remove()

remove(x)操作可以移除x元素在数组中的第一个匹配项

时间复杂度:

remove(x)操作可以视为先查找再移除最后数据前移,而查找和数据前移都和数组的大小有关,所以时间复杂度为 O ( n ) O(n) O(n)。但实际使用上,remove()的操作效率较低,因为同时执行了查找和数据前移操作。


修改元素

array的元素修改直接通过索引完成

时间复杂度:

如果是下标索引,时间复杂度为 O ( 1 ) O(1) O(1)

如果是切片索引,时间复杂度为 O ( k ) O(k) O(k),可看成下标索引重复 k k k


查找元素

index()

index(x)操作可以返回元素x第一次出现的索引值,如果没找到会出现ValueError异常

时间复杂度:

为了查找特定元素,我们需要遍历数组,所以时间复杂度为 O ( n ) O(n) O(n)


count()

count(x)操作可返回元素x在数组中出现的次数

时间复杂度:

同样的,需要遍历整个数组才能得到结果,所以时间复杂度为 O ( n ) O(n) O(n)


Python数据结构——array_第3张图片

array的优点和缺点

优点

  1. 数组比列表更精简:Python数组跟C语言数组一样精简。创建数组需要一个类型码,这个类型码用来表示在底层的C语言应该存放怎样的数据类型。比如b类型码代表的是有符号的字符(signedchar),array(‘b’)创建出的数组就只能存放一个字节大小的整数,范围从-128到127,这样在序列很大的时候,我们能节省很多空间。
  2. 数组提供更快的文件处理方法:另外,数组还提供从文件读取和存入文件的更快的方法,如.frombytes和.tofile。

缺点
3. 元素类型限制:使用时必须要限制元素类型
4. 不利于数据修改:插入和删除操作需要移动一系列元素。



相关章节

Python数据结构——array
Python数据结构——list
Python数据结构——tuple

你可能感兴趣的:(Python)