数据结构与算法基础-(4)

write in front
大家好,我是Aileen.希望你看完之后,能对你有所帮助,不足请指正!共同学习交流.
本文由Aileen_0v0 原创 CSDN首发 如需转载还请通知⚠️
个人主页:Aileen_0v0—CSDN博客
欢迎各位→点赞 + 收藏⭐️ + 留言​
系列专栏:Aileen_0v0的数据结构与算法学习系列专栏——CSDN博客
我的格言:"没有罗马,那就自己创造罗马~" 

回顾

上次讲到Python中的两种内置数据类型的大O记法以及四种数学问题:P,NP,NPC,NPC-Hard四类问题以及相关的数学问题故事

如果有所遗忘,或者是感兴趣的小伙伴可以点击数据结构与算法基础-(3)_Aileen_0v0的博客-CSDN博客

 转到相关文章进行阅读~

线性结构(Linear Structure)的概念

线性结构:是一种有序数据项的集合,其中每个数据项都有唯一前驱和后继

数据结构与算法基础-(4)_第1张图片 两端称呼并非关键,不同的数据结构的关键区别在于数据的增减方式

有的数据结构只允许数据项从一端添加,而有的数据结构则允许数据项从两端移除!

数据结构与算法基础-(4)_第2张图片

 栈Stack

一种有次序的数据项集合,在栈中,数据项加入和移除都仅发生在同一端

这一端叫栈“顶top”,另一端叫栈“底base”

数据结构与算法基础-(4)_第3张图片

日常生活中有很多栈的应用

盘子、托盘、书堆等

距离栈底越近的数据项,留在栈中的时间就越长.

最新加入栈的数据项会被最先移除

这种次序通常称为"后进先出LIFO": Last in First out

这是一种基于数据项保存时间的次序,时间越短的离栈顶越近,而时间越长离栈底越近.

栈的特性:反转次序

数据结构与算法基础-(4)_第4张图片上图为python原生数据对象形成的栈

进栈和出栈的次序正好相反.

抽象数据类型(ADT -  Abstract Data Types)  ------------> " 栈 "  是一个有次序的数据集,每个数据仅从" 栈顶 " 一端加入到数据集中,从数据集中移除,栈具有后进先出LIFO的特性.

数据结构与算法基础-(4)_第5张图片

" 栈 " 的操作 

Stack( ) : 创建一个空栈, 不包含任何数据

push (item) : 将 item 加入栈顶 , 无返回值

pop ( ) : 将栈顶数据项移除, 并返回, 被修改

peak ( ) : "窥视" 栈顶数据项, 返回栈顶的数据项但不移除, 栈不被修改.

isEmpty ( ) : 返回栈是否为空栈

size ( ) : 返回栈中有多少个数据项

考点1:数据结构与算法基础-(4)_第6张图片

 用Python实现ADT Stack

注意细节: Stack 的两端对应list设置

可以将 List 的任意一端 ( index = 0 或者 - 1 )   --->设置为栈

我们选用 List 的末端 ( index = -1 ) 作为栈顶

这样栈的操作就可以通过对 list 的append 和 pop 来实现~

 数据结构与算法基础-(4)_第7张图片

 数据结构与算法基础-(4)_第8张图片

python中的赋值语句


if语句,当条件成立时运行语句块。经常与else, elif(相当于else if)配合使用。
for语句,遍列列表、字符串、字典、集合等迭代器,依次处理迭代器中的每个元素。
while语句,当条件为真时,循环运行语句块。
try语句。与except, finally, else配合使用处理在程序运行中出现的异常情况。
class语句。用于定义类型。
def语句。用于定义函数和类型的方法。
pass语句。表示此行为空,不运行任何操作。
assert语句。用于程序调适阶段时测试运行条件是否满足。
with语句。Python2.6以后定义的语法,在一个场景中运行语句块。比如,运行语句块前加锁,然后在语句块运行退出后释放锁。
yield语句。在迭代器函数内使用,用于返回一个元素。
raise语句。抛出一个异常。
import语句。导入一个模块或包。常用写法:from module import name, import module as name, from module import name as anothername

时间复杂度基本单位是: 赋值语句

左为栈顶,时间复杂度为O(n) 

#左边为顶,右边为低
class Stack:
    def __init__(self):
        self.items = []

    def isEmpty(self):
        return self.items == []

    def push(self,item):
        self.items.insert(0,item)

    def pop(self):
        return self.items.pop(0)

    def peek(self):
        return self.items[0]

    def size(self):
        return len(self.items)

数据结构与算法基础-(4)_第9张图片 

时间复杂度基本单位是: 赋值语句

当左边为栈顶时,当我们往里面加入(pop)元素时,我们会发现后面的每个元素都会向后移一位,就像是排队的时候有个人突然插在前面,后面的人不得不向后退一位,他们等待的时间就会更长.如果有n个元素就会移动n位,所以当左边作为栈顶时,这个栈的时间复杂度是O(n).

以下是左边作为栈顶时插入元素的示意图


右为栈顶,时间复杂度O(1) 

# 左边为低,右边为顶--->更高效
class Stack:#Stack---->ADT
    def __init__(self):
        self.items =[]

    def isEmpty(self):
        return self.items == []

# 满足这些属性(行为)的是栈
    def push(self,item):
        self.items.append(item)

    def pop(self):
        return self.items.pop()

    def peek(self):
        return self.items[len(self.items)-1]

    #
    def size(self):
        return len(self.items)

s = Stack()

数据结构与算法基础-(4)_第10张图片 

当右边为栈顶时,我们会发现当我们往里面pop元素时,其它元素的位置不会发生变化,就像是排队后面来的人就排在队伍的后面,所以当我们以右边作为栈顶时,时间复杂度为O(1). 

以右为栈顶,插入元素示意图

 数据结构与算法基础-(4)_第11张图片

总结

不同内置操作时间复杂度的查看网址:

TimeComplexity - Python Wiki

今天的线性结构中栈的学习就到这里啦~

觉得通俗易懂的家人们给个三连吧~

你的鼓励是我前进的动力~ 

你可能感兴趣的:(数据结构与算法,java,python,学习,开发语言,数据结构,算法,线性回归)