顺序表数据结构在python中的应用

96 Python之战

2019.04.02 21:59 字数 794 阅读 0评论 0喜欢 0

编辑文章

数据结构不仅仅指的数据值在逻辑上的结构,更有在存储空间上的位置结构,顺序表,故名思意是有一定顺序的数据结构。

顺序表最基本模型如图:

顺序表数据结构在python中的应用_第1张图片

image

对于基本布局顺序表而言,它存储相同单元大小并且在内存地址上连续的数据,逻辑地址是其元素的逻辑顺序,物理地址第一个元素的内存地址加上离第一个元素的距离,如:e1物理地址是l0,那么e2的物理地址是e1的地址加上e1所占用的大小c,以此类推,en的物理地址是l0+(n-1)*c。
这种基本布局出现了一个问题,如果其中的元素大小不统一,那么岂不是要用最大存储单元作为基本单位,非常浪费空间,因此出现了外置顺序表,它是将元素的索引以相同单元大小连续存放,索引记录对应数据在内存上的地址,那么我们可以通过基本布局的方式去找到索引,再根据索引找到数据。
在熟悉了顺序表的基本模型后,我们再看顺表的结构,如图所示:

顺序表数据结构在python中的应用_第2张图片

image

实际的顺序表包含两部分,一部分是顺序表的记录信息块(含顺序表容量、元素个数),一部分是数据块,这两部放在一起是一体式结构,如果分离通过索引连接是分离式结构。
顺序表含有容量和容量的使用情况信息,那么很容易就实现扩容,其扩容方式有两种:一种是频繁的固定扩容,即每次增加固定单位的容量,因此会平凡扩容;另一种是倍增的扩容,即按照2、4、8、16这种方式来扩,这样扩容频率低,但可能造成浪费。
在python中list和tuple都是顺序表结构,list是动态顺序表,支持内部结构变化如增加或者减少元素,而tupele并不支持结构的改变,其他性能和list一致。
既然我们知道了python中使用最频繁的list内在结构,那我们就应该明白append是在顺序表末尾增加一个元素,他的时间复杂度是O(1),而insert插入函数是将插入位置之后的元素依次向下挪动一个位置,复杂度是O(n);同理删除一个元素,当删除最后一个位置的元素pop()只是删除循序表的最后一个位置元素,如果是删除指定元素,那么该元素其后的元素依次挪动一个位置其时间复杂度为O(n);
这便是数据结构的意义,它对python性能的提升有指导性的作用。

顺序表数据结构在python中的应用_第3张图片

image

顺序表数据结构在python中的应用_第4张图片

你可能感兴趣的:(python,数据结构)