做网站手机软件,现在有哪些培训学校,网上怎么报警备案,网站支付宝接口付费Python提供了几种内置的数据结构,可以用来存储和组织数据。以下是Python中常见的数据结构:列表#xff0c;元组#xff0c;字典#xff0c;集合#xff0c;字符串#xff0c;栈#xff0c;队列#xff0c;树#xff0c;图。我们将介绍这些数据结构#xff0c;并举例说…Python提供了几种内置的数据结构,可以用来存储和组织数据。以下是Python中常见的数据结构:列表元组字典集合字符串栈队列树图。我们将介绍这些数据结构并举例说明。
列表(List):
列表是一个有序的、可变的序列,可以存储不同类型的元素。使用方括号[]来定义列表,元素之间用逗号分隔。
fruits [apple, banana, orange, grape]
print(fruits) # 输出: [apple, banana, orange, grape]元组(Tuple):
元组是一个有序的、不可变的序列,可以存储不同类型的元素。使用小括号()来定义元组,元素之间用逗号分隔。
point (3, 4)
print(point) # 输出: (3, 4)字典(Dictionary):
字典是一个无序的、可变的键值对集合。使用大括号{}来定义字典,每个键值对用冒号:分隔,键值对之间用逗号分隔。
person {name: John, age: 25, city: New York}
print(person) # 输出: {name: John, age: 25, city: New York}集合(Set):
集合是一个无序的、可变的、不允许重复元素的集合。使用大括号{}或set()函数来定义集合,元素之间用逗号分隔。
numbers {1, 2, 3, 4, 5}
print(numbers) # 输出: {1, 2, 3, 4, 5}字符串(String):
字符串是一个有序的、不可变的字符序列。使用单引号或双引号来定义字符串。
message Hello, World!
print(message) # 输出: Hello, World!栈(Stack):
栈是一种后进先出(LIFO)的数据结构。可以使用列表来模拟栈,使用append()方法添加元素,使用pop()方法移除并返回最后一个元素。
stack [1, 2, 3]
stack.append(4)
stack.append(5)
print(stack) # 输出: [1, 2, 3, 4, 5]
item stack.pop()
print(item) # 输出: 5
print(stack) # 输出: [1, 2, 3, 4]队列(Queue):
队列是一种先进先出(FIFO)的数据结构。可以使用列表来模拟队列,使用append()方法添加元素,使用pop(0)方法移除并返回第一个元素。Python提供了queue模块,其中的Queue类实现了队列的功能。
from queue import Queuequeue Queue()
queue.put(1)
queue.put(2)
queue.put(3)
print(queue.get()) # 输出: 1
print(queue.get()) # 输出: 2
print(queue.get()) # 输出: 3树(Tree):
树是一种层次结构的数据结构,由节点(Node)和边(Edge)组成。树具有以下特点:
树有一个特殊的节点称为根节点(Root Node),它没有父节点。除了根节点外,每个节点都有且仅有一个父节点。从根节点到任意节点的路径是唯一的。树可以递归地定义为子树的集合,每个子树也是一棵树。
常见的树的类型包括:
二叉树(Binary Tree):每个节点最多有两个子节点,称为左子节点和右子节点。二叉搜索树(Binary Search Tree):二叉树的一种,满足左子树的所有节点的值小于根节点,右子树的所有节点的值大于根节点。平衡二叉树(AVL Tree):二叉搜索树的一种,满足左子树和右子树的高度差不超过1。红黑树(Red-Black Tree):平衡二叉树的一种,通过引入颜色属性来维护树的平衡性。
下面是一个二叉树的例子:
class TreeNode:def __init__(self, value):self.val valueself.left Noneself.right Noneroot TreeNode(1)
root.left TreeNode(2)
root.right TreeNode(3)
root.left.left TreeNode(4)
root.left.right TreeNode(5)图(Graph):
图是一种由节点(Node)和边(Edge)组成的数据结构,用于表示对象之间的关系。图可以是有向的(Directed Graph)或无向的(Undirected Graph)。图具有以下特点:
图由一组节点(顶点)和一组边组成。边连接两个节点,表示它们之间的关系。有向图中的边有方向,表示从一个节点到另一个节点的关系。无向图中的边没有方向,表示两个节点之间的双向关系。
图可以用邻接矩阵(Adjacency Matrix)或邻接表(Adjacency List)来表示:
邻接矩阵:使用二维数组表示图,如果节点i和节点j之间有边,则matrix[i][j] 1,否则为0。邻接表:使用列表或字典表示图,每个节点都有一个列表或字典,存储与之相连的节点。
下面是一个使用邻接表表示无向图的完整例子:
def dfs(graph, start, visitedNone):if visited is None:visited set()visited.add(start)print(start, end )for neighbor in graph[start]:if neighbor not in visited:dfs(graph, neighbor, visited)# 创建无向图
graph {A: [B, C],B: [A, D, E],C: [A, F],D: [B],E: [B, F],F: [C, E]
}# 深度优先搜索遍历
print(DFS traversal:)
dfs(graph, A) # 输出: A B D E F Cprint(\n)def bfs(graph, start):visited set()queue [start]visited.add(start)while queue:vertex queue.pop(0)print(vertex, end )for neighbor in graph[vertex]:if neighbor not in visited:queue.append(neighbor)visited.add(neighbor)# 广度优先搜索遍历
print(BFS traversal:)
bfs(graph, A) # 输出: A B C D E F在这个例子中,我们使用字典来表示无向图。字典的键表示节点,对应的值是一个列表,存储与该节点相连的其他节点。
我们定义了两个遍历图的函数:
dfs(graph, start, visitedNone):深度优先搜索遍历
graph:表示图的邻接表
start:表示开始遍历的起始节点
visited:表示已访问过的节点集合,默认为None
函数使用递归的方式遍历图,先访问起始节点,然后递归访问其未访问过的相邻节点。
bfs(graph, start):广度优先搜索遍历
graph:表示图的邻接表
start:表示开始遍历的起始节点
函数使用队列来实现广度优先搜索,先将起始节点加入队列,然后不断取出队首节点,访问其未访问过的相邻节点,并将它们加入队列,直到队列为空。
在示例代码中,我们创建了一个包含6个节点的无向图,并分别使用深度优先搜索和广度优先搜索对图进行遍历。
深度优先搜索的输出结果为:A B D E F C 广度优先搜索的输出结果为:A B C D E F
这个例子展示了如何使用邻接表表示无向图,以及如何使用深度优先搜索和广度优先搜索对图进行遍历。
示例代码地址 https://github.com/gzmusem/QuantExamples/tree/main/Examples07
