逻辑数据结构包括:线形结构、树形结构、图形结构、集合;存储结构包括:顺序存储、链式存储、索引存储、散列存储。
同一种逻辑结构可以有四种存储结构,不同的存储结构增、删、查、改的速度不同。逻辑结构与存储结构排列组合,就得到4*4=16种结构。
在C/C++中,栈和队列的常用实现方式为数组和链表,存储方式分别是:顺序存储和链式存储。
在Python中,栈和队列的常用实现方式为list,存储方式是索引,实现起来要比C/C++简单的多,而且大小可以动态扩展,存取也非常方便,可以说它集成了顺序存储
和链式存储的优点,索引表本身就是顺序存储啊,就是数组,它是怎样实现动态扩展长度的呢?这个就不知道了,有空看看Python的实现代码源代码。Python也是可以
用链式存储实现线性结构的,见下面的代码,但没有list实现方便。C/C++中的内置类型(类)中没有索引存储的,你也许想到指针数组,的确,它是一种索引结构,但用
它不容易实现线性结构,因为当你添加元素时,要先用变量创建该元素,而且变量名与线性表中已有元素的变量名不能相同,每次添加都要用不同的变量名,看来这种方
式不行,那我们可以动态molloc,用指针指向该molloc,然后通过指针给新元素赋值,然后再把指针指向的地址保存在链表数组中,这样是可以,但太麻烦了。在Python
中,编程语言自动帮你实现了这个过程,这对用户来说就简单的一比了。总得来说,用list实现栈和队列和两种方法,一种是实例对象的数据属性是list,另一种是类直接
继承list类。第二种方法简单,但由于继承了list,而list提供了很多对外接口,如extend()等,这些接口其实是标准栈不应该有的。所以建议用第一种方法实现。
Stack类--实现1(推荐)
class Stack(list):
def __init__(self):
self.__stack = [] def is_empty(self):
return not bool(len(self)) def push(self,data):
self.__stack.append(data) def pop(self):
if len(self.__stack)>0:
return self.__stack.pop() def peek(self):
if len(self.__stack)>0:
return self.__stack[-1] def get_length(self):
return len(self.__stack)
Stack类--实现2(不建议使用)
class Stack(list):
def is_empty(self):
return not bool(len(self)) def push(self,data):
self.append(data) def pop(self):
if len(self)>0:
return self.pop() def peek(self):
if len(self)>0:
return self[-1] def get_length(self):
return len(self)
Stack类--实现3(链式存储,不建议使用)
class Node(object):
def __init__(self,data):
self.data = data
self.next = None class Stack(object):
def __init__(self,head_node):
self.top = head_node
self.bottom = head_node def push(self,node):
node.next = self.top
self.top = node def pop(self):
if self.top == None:
return None
else:
key = self.top
self.top = self.top.next
if self.top == None:
self.bottom = None
return key s = Stack(Node(12))
s.push(Node(13))
s.push(Node(15))
s.push(Node(18))
s.push(Node(2))
while True:
a = s.pop()
if a != None:
print a.data
continue
else:
break
Queue类--实现1(推荐)
class Queue(object):
def __init__(self):
self.__queue = [] def is_empty(self):
return not bool(len(self.__queue)) def peek(self):
if len(self.__queue)>0:
return self.__stack[0] def enqueue(self,node):
self.__queue.append(node) def dequeue(self):
if len(self.__queue)>0:
return self.__queue.pop(0) def get_length(self):
return len(self.__queue)
Queue类--实现2(不建议使用)
class Queue(list):
def is_empty(self):
return not bool(len(self)) def peek(self):
if len(self)>0
return self[0] def enqueue(self,node):
self.append(node) def dequeue(self,node):
if len(self)>0:
return self.pop(0) def get_length(self):
return len(self)
BST类(二叉树类)
我们一般很少用一般二叉树,而是用进一步约束的二叉树,如二叉搜索树、红黑树等,这些树是一般二叉树的子类,
所以二叉树有的方法,这些方法都可以有。
class Node(object):
def __init__(self,data):
self.data = data
self.__left = None
self.__right = None
self.__parent = None @property
def left(self):
return self.__left @left.setter
def left(self,node):
if node is None or type(node) is Node:
self.__left = node
if type(node) is Node:
node.parent = self
else:
raise Exception,'left node must be None or Node type' @property
def right(self):
return self.__right @right.setter
def right(self,node):
if node is None or type(node) is Node:
self.__right = node
if type(node) is Node:
node.parent = self
else:
raise Exception,'right node must be None or Node type' @property
def parent(self):
return self.__parent @parent.setter
def parent(self,node):
if node is None or type(node) is Node:
self.__parent = node
else:
raise Exception,'parent node must be None or Node type' class BST(object):
def __init__(self):
self.__root = None @property
def root(self):
return self.__root @root.setter
def root(self,node):
if node is None or type(node) is Node:
self.__root = node
if type(node) is Node:
node.parent = None
else:
raise Exception,'parent node must be None or Node type' def pre_order(self,node):
#递归结束点
if node == None:
return []
#分支结点
data = [node.data]
left = self.pre_order(node.left)
right = self.pre_order(node.right)
return data +left +right def in_order(self,node):
if node == None:
return [] left = self.pre_order(node.left)
data = [node.data]
right = self.pre_order(node.right)
return left + data + right def post_order(self,node):
if node == None:
return [] left = self.pre_order(node.left)
right = self.pre_order(node.right)
data = [node.data]
return left + right + data #查找以node为根结节的树的最大关键值节点
def find_max(self,node):
if node == None:
return None
p = node
while True:
if p.right != None:
p = p.right
continue
else:
break
return p def find_min(self,node):
if node == None:
return None
p = node
while True:
if p.left != None:
p = p.left
continue
else:
break
return p def search(self,node,key):
# 跟二分查找的递归方式非常像
#结束点
if node == None:
return None #分支节点
if key == node.data:
return node
if key > node.data:
return self.search(node.right,key)
else:
return self.search(node.left,key) def insert(self,root,new_node):
#结束点
if new_node.data > root.data:
if root.right == None:
root.right = new_node
return True
if new_node.data == root.data:
return False
if new_node.data < root.data:
if root.left == None:
root.left = new_node
return True #分支节点
if new_node.data > root.data:
if root.right != None:
branch_ret = self.insert(root.right,new_node)
if new_node.data < root.data:
if root.left != None:
branch_ret = self.insert(root.left,new_node)
return branch_ret def delete(self,node):
#这个方法比较繁琐,有空再写
pass