内容简介:关于我编程界的一名小小程序猿,目前在一个创业团队任team lead,技术栈涉及Android、Python、Java和Go,这个也是我们团队的主要技术栈。 联系:hylinux1024@gmail.com栈、队列和优先级队列都是非常基础的数据结构。
关于我
编程界的一名小小程序猿,目前在一个创业团队任team lead,技术栈涉及Android、 Python 、 Java 和Go,这个也是我们团队的主要技术栈。 联系:hylinux1024@gmail.com
栈、队列和优先级队列都是非常基础的数据结构。 Python
作为一种“编码高效”的语言,对这些基础的数据结构都有比较好的实现。在业务需求开发过程中,不应该重复造轮子,今天就来看看些数据结构都有哪些实现。
0x00 栈(Stack)
栈是一种 LIFO
(后进先出)的数据结构,有入栈( push
)、出栈( pop
)两种操作,且只能操作栈顶元素。
在 Python
中有多种可以实现栈的数据结构。
1、list
list
是 Python
内置的列表数据结构,它支持栈的特性,有入栈和出栈操作。只不过用 list
实现栈性能不是特别好。
因为 list
内部是通过一个动态扩容的数组来实现的。当增减元素时就有可能会触发扩容操作。如果在 list
的头部增减元素,也会移动整个列表。
如要使用 list
来实现一个栈的话,可以使用 list
的 append()
(入栈)、 pop()
(出栈)方法。
>>> s = [] >>> s.append('one') >>> s.append('two') >>> s.append(3) >>> s ['one', 'two', 3] >>> s.pop() 3 >>> s.pop() 'two' >>> s.pop() 'one' >>> s.pop() IndexError: pop from empty list 复制代码
2、collections.deque
deque
类是一种双端队列。在 Python
中它就是一个双向列表,可以以常用时间在两端执行添加和删除元素的操作,非常高效,所以它既可以实现栈也可以实现队列。
如果要在 Python
实现一个栈,那么应该优先选择 deque
,而不是 list
。
deque
的入栈和出栈方法也分别是 append()
和 pop()
。
>>> from collections import deque >>> s = deque() >>> s.append('eat') >>> s.append('sleep') >>> s.append('code') >>> s deque(['eat', 'sleep', 'code']) >>> s.pop() 'code' >>> s.pop() 'sleep' >>> s.pop() 'eat' >>> s.pop() IndexError: pop from an empty deque 复制代码
3、queue.LifoQueue
顾名思义,这个就是一个栈。不过它是线程安全的,如果要在并发的环境下使用,那么就可以选择使用 LifoQueue
。
它入栈和出栈操作是使用 put()
和 get()
,其中 get()
在 LifoQueue
为空时会阻塞。
>>> from queue import LifoQueue >>> s = LifoQueue() >>> s.put('eat') >>> s.put('sleep') >>> s.put('code') >>> s <queue.LifoQueue object at 0x109dcfe48> >>> s.get() 'code' >>> s.get() 'sleep' >>> s.get() 'eat' >>> s.get() # 阻塞并一直等待直到栈不为空 复制代码
0x01 队列(Queue)
队列是一种 FIFO
(先进先出)的数据结构。它有入队( enqueue
)、出队( dequeue
)两种操作,而且也是常数时间的操作。
在 Python
中可以使用哪些数据结构来实现一个队列呢?
1、list
list
可以实现一个队列,但它的入队、出队操作就不是非常高效了。因为 list
是一个动态列表,在队列的头部执行出队操作时,会发生整个元素的移动。
使用 list
来实现一个队列时,用 append()
执行入队操作,使用 pop(0)
方法在队列头部执行出队操作。由于在 list
的第一个元素进行操作,所以后续的元素都会向前移动一位。因此
用 list
来实现队列是不推荐的。
>>> q = [] >>> q.append('1') >>> q.append('2') >>> q.append('three') >>> q.pop(0) '1' >>> q.pop(0) '2' >>> q.pop(0) 'three' >>> q.pop(0) IndexError: pop from empty list 复制代码
2、collections.deque
从上文我们已经知道 deque
是一个双向列表,它可以在列表两端以常数时间进行添加删除操作。所以用 deque
来实现一个队列是非常高效的。
deque
入队操作使用 append()
方法,出队操作使用 popleft()
方法。
>>> from collections import deque >>> q = deque() >>> q.append('eat') >>> q.append('sleep') >>> q.append('code') >>> q deque(['eat', 'sleep', 'code']) # 使用popleft出队 >>> q.popleft() 'eat' >>> q.popleft() 'sleep' >>> q.popleft() 'code' >>> q.popleft() IndexError: pop from an empty deque 复制代码
3、queue.Queue
同样地,如果要在并发环境下使用队列,那么选择线程安全的 queue.Queue
。
与 LifoQueue
类似,入队和出队操作分别是 put()
和 get()
方法, get()
在队列为空时会一直阻塞直到有元素入队。
>>> from queue import Queue >>> q = Queue() >>> q.put('eat') >>> q.put('sleep') >>> q.put('code') >>> q <queue.Queue object at 0x110564780> >>> q.get() 'eat' >>> q.get() 'sleep' >>> q.get() 'code' # 队列为空不要执行等待 >>> q.get_nowait() _queue.Empty >>> q.put('111') >>> q.get_nowait() '111' >>> q.get() # 队列为空时,会一直阻塞直到队列不为空 复制代码
4、multiprocessing.Queue
多进程版本的队列。如果要在多进程环境下使用队列,那么应该选择 multiprocessing.Queue
。
同样地,它的入队出队操作分别是 put()
和 get()
。 get()
方法在队列为空,会一直阻塞直到队列不为空。
>>> from multiprocessing import Queue >>> q = Queue() >>> q.put('eat') >>> q.put('sleep') >>> q.put('code') >>> q <multiprocessing.queues.Queue object at 0x110567ef0> >>> q.get() 'eat' >>> q.get() 'sleep' >>> q.get() 'code' >>> q.get_nowait() _queue.Empty >>> q.get() # 队列为空时,会一直阻塞直到队列不为空 复制代码
0x02 优先级队列(PriorityQueue)
一个近乎 排序 的序列里可以使用优先级队列这种数据结构,它能高效获取最大或最小的元素。
在调度问题的场景中经常会用到优先级队列。它主要有获取最大值或最小值的操作和入队操作。
1、list
使用 list
可以实现一个优先级队列,但它并不高效。因为当要获取最值时需要排序,然后再获取最值。一旦有新的元素加入,再次获取最值时,又要重新排序。所以并推荐使用。
2、heapq
一般来说,优先级队列都是使用堆这种数据结构来实现。而 heapq
就是 Python
标准库中堆的实现。 heapq
默认情况下实现的是最小堆。
入队操作使用 heappush()
,出队操作使用 heappop()
。
>>> import heapq >>> q = [] >>> heapq.heappush(q, (2, 'code')) >>> heapq.heappush(q, (1, 'eat')) >>> heapq.heappush(q, (3, 'sleep')) >>> q [(1, 'eat'), (2, 'code'), (3, 'sleep')] >>> while q: next_item = heapq.heappop(q) print(next_item) (1, 'eat') (2, 'code') (3, 'sleep') 复制代码
3、queue.PriorityQueue
queue.PriorityQueue
内部封装了 heapq
,不同的是它是线程安全的。在并发环境下应该选择使用 PriorityQueue
。
>>> from queue import PriorityQueue >>> q = PriorityQueue() >>> q.put((2, 'code')) >>> q.put((1, 'eat')) >>> q.put((3, 'sleep')) >>> while not q.empty(): next_item = q.get() print(next_item) (1, 'eat') (2, 'code') (3, 'sleep') 复制代码
0x03 总结一下
很多基础的数据结构在 Python
中已经实现了的,我们不应该重复造轮子,应该选择这些数据结构来实现业务需求。
collections.deque
是一种双向链表,在单线程的情况下,它可以用来实现 Stack
和 Queue
。而 heapq
模块可以帮我们实现高效的优先级队列。
如果要在多并发的情况下使用 Stack
、 Queue
和 PriorityQueue
的话,那么应该选用 queue
模块下类:
-
实现
Stack
的queue.LifoQueue
-
实现
Queue
的queue.Queue
或multiprocessing.Queue
-
实现
PriorityQueue
的queue.PriorityQueue
-
以上这些类都有
put()
和get()
方法,且get()
会在栈/队列为空时阻塞。
以上所述就是小编给大家介绍的《Python中栈、队列和优先级队列的实现》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!
猜你喜欢:- RabbitMQ之优先级消息队列
- Spring Boot RabbitMQ - 优先级队列
- 用Python实现数据结构之优先级队列
- 使用 Swift 实现基于堆的优先级队列
- 个推基于 Apache Pulsar 的优先级队列方案
- 如何确定需求的优先级?
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
C++ Primer 中文版(第 5 版)
[美] Stanley B. Lippman、[美] Josée Lajoie、[美] Barbara E. Moo / 王刚、杨巨峰 / 电子工业出版社 / 2013-9-1 / CNY 128.00
这本久负盛名的 C++经典教程,时隔八年之久,终迎来史无前例的重大升级。除令全球无数程序员从中受益,甚至为之迷醉的——C++ 大师 Stanley B. Lippman 的丰富实践经验,C++标准委员会原负责人 Josée Lajoie 对C++标准的深入理解,以及C++ 先驱 Barbara E. Moo 在 C++教学方面的真知灼见外,更是基于全新的 C++11标准进行了全面而彻底的内容更新。......一起来看看 《C++ Primer 中文版(第 5 版)》 这本书的介绍吧!