數據結構與Python實現

數據結構與Python實現

分類和時空複雜度

分類：

時間和空間複雜度：

Array

數組是能夠再內存中連續存儲多個元素的結構，在內存中的分配也是連續的，數組中的元素經過數組下標進行訪問，數組下標從0開始。

適用場景：

• 頻繁查詢，對存儲空間要求不大，不多增長和刪除的狀況

優勢：

• 按照索引查詢元素速度快
• 按照索引遍歷數組方便

缺點：

• 數組的大小固定後就沒法擴容了
• 數組只能存儲一種類型的數據
• 添加，刪除的操做慢，由於要移動其餘的元素

時間複雜度	O()
Access	O(1)
Insert	O(n)
Delete	O(n)

Python實現與LeetCode--數組

詳見：

Linked List

Linked List

鏈表是物理存儲單元上非連續的、非順序的存儲結構；

數據元素的邏輯順序是經過鏈表的指針地址實現，每一個元素（結點）包含兩個域，一個是存儲元素的數據域 (內存空間)，另外一個是指向下一個結點地址的指針域。

根據指針的指向，鏈表能造成不一樣的結構，例如單鏈表，雙向鏈表，循環鏈表等。

鏈表插入Node：

鏈表刪除Node：

時間複雜度	O()
space	O(1)
prepend	O(1)
append	O(1)
lookup	O(n)
insert	O(1)
delete	O(1)

Double Linked List

Circular Linked List

Python實現與LeetCode--鏈表

詳見：

Stack

棧是一種特殊的線性表；僅能在線性表的一端操做，棧頂容許操做，棧底不容許操做。

棧的特色：

• 後進先出，從棧頂放入元素的操做叫入棧，取出元素叫出棧。
  

Python實現與LeetCode--棧

詳見：

Queue

Queue

隊列與棧同樣，也是一種線性表；隊列能夠在一端添加元素，在另外一端取出元素，也就是「先進先出」；從一端放入元素的操做稱爲入隊，取出元素爲出隊 ；

使用情景：

• 在多線程阻塞隊列管理中很是適用

Double-ended Queue

雙端隊列和普通隊列區別在於：==隊頭和隊尾均可以插入和刪除元素；==

Priority Queue

優先隊列：正常⼊、按照優先級出

Python實現與LeetCode--隊列

詳見：

Tree

Tree

樹是一種數據結構，它是由n（n>=1）個有限節點組成一個具備層次關係的集合。把它叫作 「樹」 是由於它看起來像一棵倒掛的樹，也就是說它是根朝上，而葉朝下的。

樹的特色：

• 每一個節點有零個或多個子節點
• 沒有父節點的節點稱爲根節點
• 每個非根節點有且只有一個父節點
• 除了根節點外，每一個子節點能夠分爲多個不相交的子樹

Binary Tree

二叉樹：

• 每一個結點最多有兩顆子樹，結點的度最大爲2
• ==左子樹和右子樹是有順序的==，次序不能顛倒
• 即便某結點只有一個子樹，也要區分左右子樹

Binary Search Tree

二叉搜索樹：

• 若任意節點的左⼦子樹不爲空，則左子樹上全部結點的值均小於它的根結點的值；
• 若任意節點的右⼦子樹不爲空，則右子樹上全部結點的值均大於它的根結點的值；
• 任意節點的左、右子樹也分別爲二叉搜索樹

Python實現與LeetCode--樹

詳見：

Heap

堆是一種比較特殊的數據結構，能夠被看作一棵樹的數組對象，具備如下的性質：

• 堆中某個節點的值老是不大於或不小於其父節點的值
• 堆老是一棵徹底二叉樹

Mini Heap

小頂堆特色：

• 任意節點的值小於父節點的值
• 完整的二叉樹

Max Heap

大頂堆特色：

• 任意節點的值大於父節點的值
• 徹底的二叉樹

Python實現與LeetCode--堆

詳見：

Graph

圖是由結點的有窮集合V和邊的集合E組成。其中，爲了與樹形結構加以區別，在圖結構中經常將結點稱爲頂點，邊是頂點的有序偶對；若兩個頂點之間存在一條邊，就表示這兩個頂點具備相鄰關係。

Python實現與LeetCode--圖

詳見：

Hash Table

哈希表，是根據關鍵碼和值 (key和value) 直接進行訪問的數據結構，哈希底層算法是取模（取餘）運算，因此會產生哈希衝突。

哈希衝突解決：拉鍊法

Python實現與LeetCode--哈希表

詳見：