python 数据结构与算法.zip

这里是对来自http://interactivepython.org/runestone/static/pythonds/index.html 系列文章的源代码整理。《Problem Solving with Algorithms and Data Structures using Python》 笔者在该网站阅读学习这一书籍时，重新整理了相应的代码，每个文件均可单独运行。 例如： 在2.4节的乱序字符串检查，原作者的第一段代码没有首先进行字符串长度判断； 在3.6节中的检查，纯粹为括号匹配，若有数字则不能判断，添加了此功能； 在3.9节公式匹配中优化了代码功能； 等等。 以下为代码功能说明： ## [2算法分析](./2算法分析/) - 算法分析是一种独立的测量算法的方法。 - 大O表示法允许根据问题的大小，通过其主要部分来对算法进行分类。 ##### 乱序字符串检查 - str01.py 逐个字符依次对照检查 - str02.py 先将两个字符进行排序，然后对比是否相等 - str03.py 穷举法说明 ##### 列表 - list0_n.py 对比append和拼接（+）的复杂度：append的复杂度为O(1),拼接的复杂度为O(k) - listing4.py 对比pop(0)和pop(0)的复杂度：pop(0) 是 O(n), pop()是 O(1) ##### 字典 - listing.py 对比字典和列表的contains方法复杂度：列表O(n)，字典O(1) ## [3基本数据结构](./3基本数据结构/) - 线性数据结构以有序的方式保存它们的数据。 - 栈是维持 LIFO，后进先出，排序的简单数据结构。 - 栈的基本操作是 `push`，`pop`和 `isEmpty`。 - 队列是维护 FIFO（先进先出）排序的简单数据结构。 - 队列的基本操作是 `enqueue`，`dequeue` 和 `isEmpty`。 - 前缀，中缀和后缀都是写表达式的方法。 - 栈对于设计计算解析表达式算法非常有用。 - 栈可以提供反转特性。 - 队列可以帮助构建定时仿真。 - 模拟使用随机数生成器来创建真实情况，并帮助我们回答“假设”类型的问题。 - `Deques` 是允许类似栈和队列的混合行为的数据结构。 - `deque` 的基本操作是 `addFront`，`addRear`，`removeFront`，`removeRear` 和 `isEmpty`。 - 列表是项的集合，其中每个项目保存相对位置。 - 链表实现保持逻辑顺序，而不需要物理存储要求。 - 修改链表头是一种特殊情况。 ##### 列表 - listing_321.py 实现无序列表：1、在每个项中保持一些明确的信息，即下一个项的位置；2、最后一项需要知道自己是最后的一个；3、第一个位置必须被明确,新项的位置。 - listing_323.py 实现有序列表：升序排列的列表，第一个元素最小 ##### 双端队列 - listing1_317.py python列表实现Deque双端队列 - active_code_1_318.py 采用双端队列来判断一个字符串是否为回文：（回文：左右对称：如radar toot madam） ##### 栈 - active_code_1_35.py python列表实现栈 - active_code_1_36.py 栈实现简单的括号数量成对匹配 - active_code_1_37.py 栈实现更精准的有效括号成对匹配 - active_code_1_38.py 堆栈实现十进制转二进制 - active_code_1_39.py 运算公式由中缀转换为后缀： 初始公式： A*B+C*D-9 后缀公式： A B * C D * + 9 - 初始公式： (A+par)*C-(D-E)*(F+G) 后缀公式： A par + C * D E - F G + * - - active_code_2_38.py 堆栈实现十进制转二进制、十六进制、八进制等 - active_code_2_39.py 运算公式由中缀转换为后缀,并计算 初始公式： (72+8)/(3+2) 后缀公式： 72 8 + 3 2 + / 运算结果为： 16.0 ##### 队列 - listing1_312.py python列表实现队列（队首在列表末端、队尾为列表首段） - actvie_code_1_313.py 通过队列识别烫手山芋游戏最后一个存活的玩家 - printer_314.py 打印机等待时间案例 ## [4递归](./4递归/) - 所有递归算法都必须具有基本情况。 - 递归算法必须改变其状态并朝基本情况发展。 - 递归算法必须调用自身（递归）。 - 递归在某些情况下可以代替迭代。 - 递归算法通常可以自然地映射到你尝试解决的问题的表达式。 - 递归并不总是答案。有时，递归解决方案可能比迭代算法在计算上更昂贵。 ##### 整数列表和 - actvie_code_1_43.py 通过for循环计算列表和 - actvie_code_2_43.py 通过递归实现计算列表和 ##### 进制转换 - actvie_code_1_45.py 递归实现任意进制转换 - actvie_code_1_46.py 堆栈实现进制转换 ##### 可视化递归 - actvie_code_1_47.py turtle 模块：递归绘制螺旋图 - actvie_code_2_47.py turtle 模块：递归绘制树 ##### 谢尔宾斯基三角形 - actvie_code_1_48.py turtle 模块：递归绘制谢尔宾斯基三角形 ##### 汉诺塔游戏 - actvie_code_1_410.py 汉诺塔游戏 ##### 探索迷宫 - actvie_code_1_411.py 迷宫游戏 - maze2.txt 迷宫地图文件 ##### 动态规划 - actvie_code_1_412.py 自动售货机硬币找零：递归加记忆实现 - actvie_code_3_412.py 自动售货机硬币找零：贪婪法 - actvie_code_2_412.py 自动售货机硬币找零：动态规划 ## [5搜索与排序](./5搜索与排序/) - 对于有序和无序列表，顺序搜索是 O(n)。 - 在最坏的情况下，有序列表的二分查找是 O(log^n )。 - 哈希表可以提供恒定时间搜索。 - 冒泡排序，选择排序和插入排序是 O(n^2 )算法。 - shell排序通过排序增量子列表来改进插入排序。它落在 O(n) 和 O(n^2 ) 之间。 - 归并排序是 O(nlog^n ），但是合并过程需要额外的空间。 - 快速排序是 O(nlog^n ），但如果分割点不在列表中间附近，可能会降级到O(n^2 ) 。它不需要额外的空间。 ##### 顺序查找 - codelens_1_53.py 无序列表数据while循环实现顺序查找 - codelens_2_53.py 有序列表数据while循环实现顺序查找 ##### 二分查找 - codelens_3_54.py 二分法查找有序列表 - codelens_4_54.py 递归二分法查找有序列表 ##### Hash查找 - listing_1_55.py 基于字符的项（如字符串）创建哈希函数 - listing_2_55.py 创建一个实现 Map 抽象数据类型的HashTable 类 ##### 冒泡排序 - active_code_1_57.py 冒泡排序 - active_code_2_57.py 短冒泡排序 ##### 选择排序 - active_code_1_58.py 选择排序 ##### 插入排序 - active_code_1_59.py 插入排序 ##### 希尔排序 - active_code_1_510.py 希尔排序(递减递增排序) ##### 归并排序 - active_code_1_511.py 归并排序(列表切片递归) - active_code_2_511.py 归并排序(列表索引递归) ##### 快速排序 - active_code_1_512.py 快速排序使用分而治之来获得与归并排序相同的优点，而不使用额外的存储。