Python数据结构-栈
🌈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的前驱和后继
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!
栈Stack🍰
一种有次序的数据项集合，在栈中，数据项的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”
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🍭
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.
" 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:
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~
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)#左边为顶,右边为低
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
# 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()
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
总结🍻
不同内置操作时间复杂度的查看网址:
🐬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💓~ 🐬
- 点赞
- 收藏
- 关注作者
评论（0）