python列表数据结构,数据结构中队列
和堆栈队列是编程中常见的数据类型。本节将详细介绍队列的定义及其不同的实现,并给出队列的一些实际应用。感兴趣的朋友可以看看。
00-1010 0.学习目标1。队列的基本概念1.1队列的基本概念1.2队列的抽象数据类型1.3队列的应用场景2.1顺序队列的实现2.2链式队列的实现2.3不同队列实现的比较3.1顺序队列的应用3.2链式队列的应用3.3通过队列的基本操作实现复杂算法
目录
堆栈和队列是编程中常见的数据类型。从数据结构的角度来看,栈和队列也是线性表,操作有限。它们的基本操作是线性表操作的子集,但从数据类型的角度来看,它们与线性表有很大的不同。本节将介绍队列的定义及其不同的实现,并给出队列的一些实际应用。
通过本节,您应掌握以下内容:
队列的基本概念及其不同的实现方法;队列基本操作的实现和时间复杂度;利用队列的基本操作实现复杂算法
0. 学习目标
1. 队列的基本概念
Queue是一个线性表,其中的插入和删除操作仅限于序列的两端(如果一个新元素从一段插入其中,现有元素只能从另一端删除)。对于一个队列来说,允许元素插入的那一端称为尾部,而允许元素取出的那一段称为前端。
在队列中,数据到达的顺序非常重要。新添加的元素必须在队列的末尾,队列中时间最长的元素排在最前面。这种排序原则被称为先进先出(FIFO)或后进先出(LILO)。
现实中排队的例子随处可见。我们生活中就餐所需的排队就是一个排队的真实例子。第一个进入队列的人可以先吃饭,后来者需要在队列的最后等待。假设队列是Q=(a0,a1,an),队列头元素是A0,an是队列尾元素。队列中的元素按照a0,a1,an和dequeue只能按此顺序退出。队列头元素是第一个出列元素,但只有A0,下图是一个简单的队列示例:
通过观察添加和删除元素的顺序,可以快速理解队列中包含的思想。下图显示了队列元素的排队和出队过程。队列中元素的插入和移除顺序完全相同。
1.1 队列的基本概念
队列除了主操作(入队和出队)之外,还有初始化、队列清空、队列长度等辅助操作。具体来说,队列的抽象数据类型定义如下:
1.2 队列抽象数据类型
队列有广泛的应用场景,例如:
在作业具有相同优先级的前提下,操作系统会按照作业到达的顺序来安排作业;击键操作放入类似队列的缓冲区,使相应的字符按正确的顺序显示;模拟真实世界的队列;多频道节目;异步数据传输;除了上述应用,我们将在下面的研究中看到队列被用作许多算法的辅助数据结构。
1.3 队列的应用场景
像线性表一样,队列有两种存储表示:顺序存储和链式存储。
2. 队列的实现
类似于顺序堆栈,队列的顺序存储结构利用一组地址。
连续的存储单元依次存放从队列头到队列尾依次存放,同时需要用两个指针 front 和 rear 分别指示队列头元素和队列尾元素的位置。初始化空队列时,front=rear=0,当元素入队时,rear 加 1,而元素出队时,front 加 1,如下所示:
从以上示例中,可以很清楚地看到位于队头之前的空间被浪费了,为了解决这一问题,我们可以假设顺序队列为环状空间,将最后一个元素和第一个元素视为连续的,如下图所示:
从上图可以看出,当队列满时与队列空时,都有front=rear,因此无法通过 front==rear 来判断队列是否已满。针对这一问题,有两种解决方法:1) 设置标志来指示队列中是否还有空闲空间;2) 放弃一个元素空间,即当 front 指针在 rear 指针的下一位时 ((rear+1)%max_size=front) 队列为满。以下实现使用第二种方案。
同样顺序队列可以是固定长度和动态长度,当队列满时,定长顺序队列会抛出栈满异常,动态顺序队列则会动态申请空闲空间。
2.1.1 队列的初始化
顺序队列的初始化需要 4 部分信息:queue 列表用于存储数据元素,max_size 用于存储 queue 列表的最大长度,以及 front 和 rear 分别用于记录队头元素和队尾元素的索引:
class Queue:def __init__(self, max_size=5):
self.max_size = max_size
self.queue = [None] * self.max_size
self.front = 0
self.rear = 0
2.1.2 求队列长度
由于 front 和 rear 分别用于记录队头元素和队尾元素的索引,因此我们可以方便的计算出队列的长度;同时我们需要考虑队列为循环队列,front 可能大于 rear,不能直接通过 rear-front,我们需要利用公式计算解决此问题:
Python 实现如下:
def size(self):return (self.rear-self.front+self.max_size) % self.max_size
2.1.3 判队列空
根据 front 和 rear 的值可以方便的判断队列是否为空:
def isempty(self):return self.rear==self.front
2.1.4 判队列满
根据 front 和 rear 的值可以方便的判断队列是否还有空余空间:
def isfull(self):return ((self.rear+1) % self.max_size == self.front)
2.1.5 入队
入队时,需要首先判断队列中是否还有空闲空间,然后根据队列为定长顺序队列或动态顺序队列,入队操作稍有不同:
[定长顺序队列的入队操作] 如果队满,则引发异常:
def enqueue(self, data):if not self.isfull():
self.queue[self.rear] = data
self.rear = (self.rear+1) % self.max_size
else:
raise IndexError("Full Queue Exception")
[动态顺序队列的入队操作] 如果队列满,则首先申请新空间,然后再执行入队操作:
def resize(self):new_size = 2 * self.max_size
new_queue = [None] * new_size
for i in range(self.max_size):
new_queue[i] = self.queue[i]
self.queue = new_queue
self.max_size = new_size
def enqueue(self, data):
if self.isfull():
self.resize()
self.queue[self.rear] = data
self.rear = (self.rear+1) % self.max_size
入队的时间复杂度为O(1)。这里需要注意的是,虽然当动态顺序队列满时,原队列中的元素需要首先复制到新队列中,然后添加新元素,但参考《顺序表及其操作实现》中顺序表追加操作的介绍,由于 n 次入队操作的总时间T(n) 与)O(n) 成正比,因此队栈的摊销时间复杂度可以认为是O(1)。
2.1.6 出队
若队列不空,则删除并返回队头元素:
def dequeue(self):if not self.isempty():
result = self.queue[self.front]
self.front = (self.front+1) % self.max_size
return result
else:
raise IndexError("Empty Queue Exception")
2.1.7 求队头元素
若队列不空,则返回队头元素:
def head(self):if not self.isempty():
result = self.queue[self.front]
return result
else:
raise IndexError("Empty Queue Exception")
2.2 链队列的实现
队列的另一种存储表示方式是使用链式存储结构,因此也常称为链队列,其中 enqueue 操作是通过在链表尾部插入元素来实现的,dequeue 操作是通过从头部删除节点来实现的。
2.2.1 队列结点
队列的结点实现与链表并无差别:
class Node:def __init__(self, data=None):
self.data = data
self.next = None
def __str__(self):
return str(self.data)
2.2.2 队列的初始化
队列的初始化函数中,使其队头指针 front 和 rear 均指向 None,并初始化队列长度:
class Queue:def __init__(self):
self.front = None
self.rear = None
self.num = 0
2.2.3 求队列长度
返回 size 的值用于求取队列的长度,如果没有 size 属性,则需要遍历整个链表才能得到队列长度:
def size(self):return self.num
2.2.4 判队列空
根据队列的长度可以很容易的判断队列是否为空队列:
def isempty(self):return self.num <= 0
2.2.5 入队
入队时,在队尾插入新元素,并且需要将队尾指针 rear 指向新元素,如果队列为空,需要将队头指针 front 也指向此元素:
def enqueue(self, data):node = Node(data)
if self.front is None:
self.rear = node
self.front = self.rear
else:
self.rear.next = node
self.rear = node
self.num += 1
2.2.6 出队
若队列不空,则删除并返回队头元素,并且需要更新队头指针 front 指向原队头结点的后继结点,若出队元素尾队中最后一个结点,则更新队尾指针 rear:
def dequeue(self):if self.isempty():
raise IndexError("Empty Queue Exception")
result = self.front.data
self.front = self.front.next
self.num -= 1
if self.isempty():
self.rear = self.front
return result
2.2.7 求队头元素
若队列不空,则返回队头元素:
def head(self):if self.isempty():
raise IndexError("Empty Queue Exception")
result = self.front.data
return result
2.3 队列的不同实现对比
队列的不同实现对比与栈的不同实现类似,可以参考《栈及其操作实现》。
3. 队列应用
接下来,我们首先测试上述实现的队列,以验证操作的有效性,然后利用实现的基本操作来解决实际算法问题。
3.1 顺序队列的应用
首先初始化一个顺序队列 queue,然后测试相关操作:
# 初始化一个最大长度为5的队列q = Queue(5)
print(队列空?, q.isempty())
for i in range(4):
print(入队元素:, i)
q.enqueue(i)
print(队列满?, q.isfull())
print(队头元素:, q.head())
print(队列长度为:, q.size())
while not q.isempty():
print(出队元素:, q.dequeue())
测试程序输出结果如下:
队列空? True
入队元素: 0
入队元素: 1
入队元素: 2
入队元素: 3
# 队列中弃用一个空间,因此队列中有4个元素即满
队列满? True
队头元素: 0
队列长度为: 4
出队元素: 0
出队元素: 1
出队元素: 2
出队元素: 3
3.2 链队列的应用
首先初始化一个链队列 queue,然后测试相关操作:
# 初始化新队列q = Queue()
print(队列空?, q.isempty())
for i in range(4):
print(入队元素:, i)
q.enqueue(i)
print(队头元素:, q.head())
print(队列长度为:, q.size())
while not q.isempty():
print(出队元素:, q.dequeue())
测试程序输出结果如下:
队列空? True
入队元素: 0
入队元素: 1
入队元素: 2
入队元素: 3
队头元素: 0
队列长度为: 4
出队元素: 0
出队元素: 1
出队元素: 2
出队元素: 3
3.3 利用队列基本操作实现复杂算法
考虑经典的约瑟夫斯环问题,n 个人围成一圈,从第 1 个人开始报数,第 m 个将被淘汰,重复上述过程,直到只剩下一个人,其余人都将被淘汰。
我们使用队列来模拟一个环,如下图所示,从队列的头部开始,将位于队首的人移出队列并立刻将其插入队列的尾部,之后此人会一直等待,直到其再次到达队列的头部。在出列和入列 m-1 次之后,位于队列头部的人出局(即第 m 个人),然后新一轮游戏开始;如此反复,直到队列中只剩下一个人(队列的大小为 1 )。
def Josephus(name_list, m):queue = Queue()
for name in name_list:
queue.enqueue(name)
while queue.size() > 1:
for i in range(m-1):
queue.enqueue(queue.dequeue())
queue.dequeue()
return queue.head()
# n=6, m=5
result = Josephus(["A", "B", "C", "D", "E", "F"], 5)
print(幸存的人为, result)
程序输出结果如下:
幸存的人为 A
以上就是Python数据结构之队列详解的详细内容,更多关于Python队列的资料请关注盛行IT软件开发工作室其它相关文章!
郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。