python进阶-数据结构和算法

本文内容整理自《Python Cookbook》，仅用作本人学习笔记，若侵犯原著权益请尽快联系本人。

1.将序列分解为单独变量

理解多重赋值
丢弃元素方法

data = ('Kevin', 50, 100, (2017, 2, 28))
name, shares, _, date = data# _ 变量理解为忽略该位置元素

2.从任意长度的可迭代对象中分离元素

理解*args为取序列

record = ('Kevin', 50, 100, (2017, 2, 28))
name, *_,(*_,year) = record# *args会贪婪的获取元祖成员

3.保存最后N个元素

掌握collections.deque用法
deque从两端增删元素复杂度为O（1），普通列表从头部删除元素复杂度为O（N）

from collections import deque
q = deque(maxlen=5)
q.append((1,2))
q.append(4)
q.appendleft(3)
print(q)
q.pop()
q.popleft()
print(q)
##print
# deque([3, (1, 2), 4], maxlen=5)
# deque([(1, 2)], maxlen=5)

4.找到最大或最小的N个元素

熟悉堆模块heapq
heapq.nlargest(n, list, key)
heapq.nsmallest(n, list, key) #key为可自定义函数
heapq.heapify(list) #堆化，当list数目较小时比上面快
max(),min()在取单个元素时较快
若待取元素数量接近于列表大小，则先排序再切片性能最好（nlargest和nsmallest也会自动判断这个问题）

5.实现优先级队列

heapq.heappush(list,item)
heapq.heappop(list)
注意默认生成的堆是以优先级小到大的顺序排序的

import heapqclass priorityList(object):def __init__(self):self._queue = []self._index = 0def push(self,item,priority):heapq.heappush(self._queue, (-priority, self._index, item))self._index += 1def pop(self):return heapq.heappop(self._queue)[-1]if __name__ == '__main__':q = priorityList()q.push(5,2)q.push(3,1)q.push(7,1)print(q.pop())print(q._queue)

6.生成一对多字典

collections.defaultdict（type）会默认初始化字典key对应的值为“空”

from collections import defaultdictd = defaultdict(list)
for key, value in pairs:d[key].append(value)

7.让字典保持有序

collections.OrderedDict()

from collections import OrderedDict
d = OrderedDict()
##然后当字典用

8.与字典有关的计算问题

zip(list1,list2)生成一个迭代器内容为list1与list2组合成的元组

min(zip(d.values(), d.keys()))
max(zip(d.values(), d.keys()))

9.两个字典的相同点

dict.keys()返回keys-view对象
dict.items()返回item-view对象
以上的对象可以进行集合操作交集 |，差集 -，并集 &

a = {'a':1,'b':2}
c = {key:a[key] for key in a.keys() - ('b')}
# 字典解析

10.序列去重并顺序不变

set()集合
yield
lambda

def depute(items, key=None):s = set()for item in items:val = item if key == None else key(item)if val not in s:yield items.add(val)c = [{'x':1,'y':2},{'x':1, 'y':3},{'x':2, 'y':3}]
print(list(depute(c, lambda d:(d['x']))))

11.对切片命名

slice()可用于切片操作

PRICE = slice(2,4)
record = 'AA123456567899'
cost = int(record[PRICE]) * 2

12.找出序列中出现次数最多的元素

collections.Counter()

words = ['i','am','i']
word_counts = Counter(words)
print(word_counts.most_common(3))
word_counts['i'] += 1
morewords = ['i','was']
word_counts.update(morewords)

13.通过公共键堆字典列表排序

operator.itemgetter

from operator import itemgetter
sorted(d, key=itemgetter('lname'))

14.对不原生支持比较的对象排序

sort的key参数
lambda
operator.attrgetter()

15.根据字段将字典列表分组

itertools.groupby() and sort()
collections.defaultdict()

from operator import itemgetter
from itertools import groupbyrows.sort(key=itemgetter('date'))
for date, items in groupby(rows, key=itemgetter('date')):for i in items:print(i)

16.筛选序列的元素

列表推导式[ n if n>10 else 0 for n in xrange(20)]
生成器表达式(n if n>10 else 0 for n in xrange(20))
filter(function, list)
itertools.compress(可迭代对象，布尔序列)

17.从字典中提取子集

字典推导式{key:value for key,value in prices.items() if value > 200}

18.将名称映射到序列的元素中

collections.namedtuple()命名元组

from collections import namedtupleSubscribe = namedtuple('Subscribe',['addr', 'joined'])
sub = Subscribe('openex@qq.com','2016/1/1')
sub = sub._replace(joined=2)
print(sub.addr)
print(sub.joined)

19.同时对数据做转换和换算

在函数参数中使用生成器表达式（函数指sum(),min()等可传入迭代元素函数）
注意max(生成器表达式) 比 max( [生成器表达式] ) 省内存

d= [{'name':'kevin', 'price':1},{'name':"openex", 'price':2}]
print(max(s['price'] * 2 for s in d))
###输出: 4
print(max(d, key=lambda s:s['price'] * -1) )
###输出: {'name': 'kevin', 'price': 1}

20.将多个字典映射为一个字典

collections.ChainMap(*maps)
map.update(map)
ChainMap,在修改和查询时默认操作第一个字典

python进阶-数据结构和算法相关推荐

Python版本的数据结构书_《用Python解决数据结构与算法问题》
源于经典数据结构作为计算机从业人员的必备基础,Java, c 之类的语言有很多这方面的书籍,Python 相对较少, 其中比较著名的一本 problem-solving-with-algorithm ...
python中文教程github_GitHub - Virile-Tao/python_data_structures_and_algorithms: Python 中文数据结构和算法教程...
Python 算法与数据结构视频教程课程简介数据结构和算法是每个程序员需要掌握的基础知识之一,也是面试中跨不过的槛.目前关于 Python 算法和数据结构的系统中文资料比较欠缺, 笔者尝试录制视频 ...
【python版本数据结构与算法】基本概念（10-1）
参考书: <数据结构与算法(Python语言描述)> 最原始的方法:枚举法那么数据结构和算法是什么?答曰:兵法! 我们可以不看兵法在战场上肉搏,如此,可能会胜利,可能会失败.即使胜利,可 ...
python数据结构教程_GitHub - Frank-Jing/python_data_structures_and_algorithms: Python 中文数据结构和算法教程...
Python 算法与数据结构视频教程课程简介数据结构和算法是每个程序员需要掌握的基础知识之一,也是面试中跨不过的槛.目前关于 Python 算法和数据结构的系统中文资料比较欠缺, 笔者尝试录制视频 ...
【python】数据结构和算法 + 浅谈单链表与双链表的区别
有这么一句话说"程序=数据结构+算法",也有人说"如果把编程比作做菜,那么数据结构就好比食材(菜),算法就好比厨艺(做菜的技巧)". 当然这是笼统的说法,不过也 ...
用Python解决数据结构与算法问题（一）：Python基础
python学习之路 - 从入门到精通到大师文章目录 [python学习之路 - 从入门到精通到大师](https://blog.csdn.net/TeFuirnever/article/detai ...
python【数据结构与算法】深入浅出哈希表
哈希表(Hash table,也叫散列表),是根据关键码值(Key value)而直接进行访问的数据结构.也就是说,它通过把关键码值映射到表中一个位置来访问记录,以加快查找的速度.这个映射函数叫做散列 ...
python【数据结构与算法】剪枝策略
文章目录 1 剪枝概述 2 例题 1 剪枝概述剪枝是搜索常用的优化手段,常常能把指数级的复杂度,优化到近似多项式的复杂度. 剪枝是一个比喻:把不会产生答案的,或不必要的枝条"剪掉&qu ...
python【数据结构与算法】计数问题（分治）
文章目录 1 算法描述 2 实现 3 复杂度 1 算法描述题目:给定n个整数的数组A以及一个数x,设计一个分治算法,求出x在数组中出现的次数,并分析时间复杂度. 算法思想: 分:先将问题划分为大小近 ...
python【数据结构与算法】最小生成树之Kruskal算法
我们用现在来模拟一下Kruskal算法,下面给出一个无向图B,我们使用Kruskal来找无向图B的最小生成树. 首先,我们将所有的边都进行从小到大的排序.排序之后根据贪心准则,我们选取最小边(A,D) ...

python进阶-数据结构和算法

1.将序列分解为单独变量

2.从任意长度的可迭代对象中分离元素

3.保存最后N个元素

4.找到最大或最小的N个元素

5.实现优先级队列

6.生成一对多字典

7.让字典保持有序

8.与字典有关的计算问题

9.两个字典的相同点

10.序列去重并顺序不变

11.对切片命名

12.找出序列中出现次数最多的元素

13.通过公共键堆字典列表排序

14.对不原生支持比较的对象排序

15.根据字段将字典列表分组

16.筛选序列的元素

17.从字典中提取子集

18.将名称映射到序列的元素中

19.同时对数据做转换和换算

20.将多个字典映射为一个字典

python进阶-数据结构和算法相关推荐

最新文章

热门文章