栈的数据结构,Python实现栈
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。本文将详细介绍Python中的栈,有兴趣的可以看看。
00-1010 0.学习目标1。栈的基本概念1.1栈的基本概念1.2栈的抽象数据类型1.3栈的应用场景2.1顺序栈的实现2.1.1栈的初始化2.2链栈的实现2.3栈的不同实现的比较3.1顺序栈的应用3.2链栈的应用3.3通过栈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。本节将首先介绍堆栈的定义及其不同的实现,并给出堆栈的一些实际应用。
通过本节,您应掌握以下内容:
堆栈的基本概念和不同实现方法,堆栈基本操作的实现和时间复杂度,利用堆栈基本操作实现复杂算法。
0. 学习目标
1. 栈的基本概念
Stack是一个线性表,只能插入和删除一个序列的一端。对于一个栈来说,可以操作的一端叫顶,另一端叫底。如果堆栈不包含任何元素,则称为空堆栈。
堆栈提供了一种基于集合中的时间进行排序的方法。最近添加的元素靠近顶部,而旧的元素靠近底部。首先删除新添加的元素。这种排序原则也被称为后进先出(LIFO)或快速后进先出(FILO)。
栈的例子在现实中随处可见。如下图,球桶里的球形成一堆,每次只能从上面取出,放回去的时候放在上面。假设栈是S=(a0,a1,…,en),这是最上面的元素。堆栈中的元素按的顺序推入,顶部的元素是第一个弹出的元素。
通过观察添加和删除元素的顺序,可以快速理解栈中包含的思想。下图显示了堆叠和卸载堆栈的过程。在堆栈中插入和移除元素的顺序正好相反。
1.1 栈的基本概念
栈除了主操作(推入和推出)外,还有初始化、空判断、取栈顶元素等辅助操作。具体来说,堆栈的抽象数据类型定义如下:
基本操作:
1.__itit__():初始化堆栈
创建一个空堆栈。
2.Size () 3360查找并返回堆栈中包含的元素个数n。
如果堆栈为空,则返回整数0。
3.ISEMPTY () 3360确定堆栈是否为空。
确定元素是否存储在堆栈中。
4.将(数据)3360推入堆栈
将元素数据插入堆栈的顶部
5.从堆栈中弹出():
删除并返回栈顶元素。
4.peek():取栈顶元素
返回顶部元素值,但不删除该元素。
1.2 栈抽象数据类型
Stack有广泛的应用场景,比如:
符号匹配,具体描述参见3.3小节;函数调用,每一个未完成的函数都会在函数栈中有一个数据区,里面保存着函数的重要信息,包括函数的局部变量和参数;后缀表达式求值:计算后缀表达式只需要一个存储数值的栈。当遍历表达式遇到数值时,会放入堆栈。遇到运算符时,会将两个数值放到堆栈外进行计算,计算结果放入堆栈。堆栈中保留的唯一值是表达式结果。后退按钮在网页浏览中,当我们在网页之间跳转时,这些网址被存储在一个堆栈中;编辑器中的撤销序列类似于网页浏览中的后退按钮,堆栈保存每一步的编辑操作。
>
除了以上应用外,我们在之后的学习中还将看到栈用作许多算法的辅助数据结构。
2. 栈的实现
和线性表一样,栈同样有两种存储表示方式。
2.1 顺序栈的实现
顺序栈是栈的顺序存储结构,其利用一组地址连续的存储单元从栈底到栈顶依次存放。同时使用指针top来指示栈顶元素在顺序栈中的索引,同样顺序栈可以是固定长度和动态长度,当栈满时,定长顺序栈会抛出栈满异常,动态顺序栈则会动态申请空闲空间。
2.1.1 栈的初始化
顺序栈的初始化需要三部分信息:stack 列表用于存储数据元素,max_size 用于存储 stack 列表的最大长度,以及 top 用于记录栈顶元素的索引:
class Stack:def __init__(self, max_size=10):
self.max_size = max_size
self.stack = self.max_size * [None]
self.top = -1
2.1.2 求栈长
由于 top 表示栈顶元素的索引,我们可以据此方便的计算顺序栈中的数据元素数量,即栈长:
def size(self):return self.top + 1
2.1.3 判栈空
根据栈的长度可以很容易的判断栈是否为空栈:
def isempty(self):if self.size() == 0:
return True
else:
return False
2.1.4 判栈满
由于需要提前申请栈空间,因此我们需要能够判断栈是否还有空闲空间:
def isfully(self):if self.size() == self.max_size:
return True
else:
return False
2.1.5 入栈
入栈时,需要首先判断栈中是否还有空闲空间,然后根据栈为定长顺序栈或动态顺序栈,入栈操作稍有不同:
[定长顺序栈的入栈操作] 如果栈满,则引发异常:
def push(self, data):if self.isfully():
raise IndexError(Stack Overflow!)
else:
self.top += 1
self.stack[self.top_1] = data
[动态顺序栈的入栈操作] 如果栈满,则首先申请新空间:
def resize(self):new_size = 2 * self.max_size
new_stack = [None] * new_size
for i in range(self.num_items):
new_stack[i] = self.items[i]
self.stack = new_stack
self.max_size = new_size
def push(self, data):
if self.isfully():
self.resize()
else:
self.top += 1
self.stack[self.top_1] = data
入栈的时间复杂度为O(1)。这里需要注意的是,虽然当动态顺序栈满时,原栈中的元素需要首先复制到新栈中,然后添加新元素,但根据《顺序表及其操作实现》中顺序表追加操作的介绍,由于n次入栈操作的总时间T(n) 与O(n) 成正比,因此入栈的摊销时间复杂度仍可以认为是O(1)。
2.1.6 出栈
若栈不空,则删除并返回栈顶元素:
def pop(self):if self.isempty():
raise IndexError(Stack Underflow!)
else:
result = self.stack[self.top]
self.top -= 1
return result
2.1.7 求栈顶元素
若栈不空,则只需返回栈顶元素:
def peek(self):if self.isempty():
raise IndexError(Stack Underflow!)
else:
return self.stack[self.top]
2.2 链栈的实现
栈的另一种存储表示方式是使用链式存储结构,因此也常称为链栈,其中 push 操作是通过在链表头部插入元素来实现的,pop 操作是通过从头部删除节点来实现的。
2.2.1 栈结点
栈的结点实现与链表并无差别:
class Node:def __init__(self, data):
self.data = data
self.next = None
def __str__(self):
return str(self.data)
2.2.2 栈的初始化
栈的初始化函数中,使栈顶指针指向 None,并初始化栈长:
class Stack:def __init__(self):
self.top = None
# 栈中元素数
self.length = 0
2.2.3 求栈长
返回 length 的值用于求取栈的长度,如果没有 length 属性,则需要遍历整个链表才能得到栈长:
def size(self):return self.length
2.2.4 判栈空
根据栈的长度可以很容易的判断栈是否为空栈:
def isempty(self):if self.length == 0:
return True
else:
return False
2.2.5 入栈
入栈时,在栈顶插入新元素即可:
def push(self, data):p = Node(data)
p.next = self.top
self.top = p
self.length += 1
由于插入元素是在链表头部进行的,因此入栈的时间复杂度为O(1),在这种情况下链尾作为栈底 。
2.2.6 出栈
若栈不空,则删除并返回栈顶元素:
def pop(self):if self.isempty():
raise IndexError("Stack Underflow!")
ele = self.top.data
self.top = self.top.next
self.length -= 1
return ele
由于删除元素仅需修改头指针指向其 next 域,因此出栈的时间复杂度同样为O(1)。
2.2.7 求栈顶元素
若栈不空,返回栈顶元素即可,但栈顶元素并不会被删除:
def peek(self):if self.isempty():
raise IndexError("Stack Underflow!")
return self.top.data
2.3 栈的不同实现对比
本节我们将对比栈的不同实现之间的异同:
顺序栈
- 操作的时间复杂度均为O(1),列表的尾部作为栈顶
- 栈满时需要进行动态的扩展,复制原栈元素到新栈中
链栈
- 操作的时间复杂度均为O(1),链表的头部作为栈顶
- 优雅的扩展,无需考虑栈满,需要额外的空间存储指针
3. 栈应用
接下来,我们首先测试上述实现的链表,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 顺序栈的应用
首先初始化一个顺序栈 stack,然后测试相关操作:
# 初始化一个最大长度为4的栈s = Stack(4)
print(栈空?, s.isempty())
for i in range(4):
print(入栈元素:, i)
s.push(i)
print(栈满?, s.isfully())
print(栈顶元素:, s.peek())
print(栈长度为:, s.size())
while not s.isempty():
print(出栈元素:, s.pop())
测试程序输出结果如下:
栈空? True
入栈元素: 0
入栈元素: 1
入栈元素: 2
入栈元素: 3
栈满? True
栈顶元素: 3
栈长度为: 4
出栈元素: 3
出栈元素: 2
出栈元素: 1
出栈元素: 0
3.2 链栈的应用
首先初始化一个链栈 stack,然后测试相关操作:
# 初始化新栈s = Stack()
print(栈空?, s.isempty())
for i in range(4):
print(入栈元素:, i)
s.push(i)
print(栈顶元素:, s.peek())
print(栈长度为:, s.size())
while not s.isempty():
print(出栈元素:, s.pop())
测试程序输出结果如下:
栈空? True
入栈元素: 0
入栈元素: 1
入栈元素: 2
入栈元素: 3
栈顶元素: 3
栈长度为: 4
出栈元素: 3
出栈元素: 2
出栈元素: 1
出栈元素: 0
3.3 利用栈基本操作实现复杂算法
匹配符号是指正确地匹配左右对应的符号(符号允许进行嵌套),不仅每一个左符号都有一个右符号与之对应,而且两个符号的类型也是一致的,下标展示了一些符号串的匹配情况:
为了检查符号串的匹配情况,需要遍历符号串,如果字符是 (、[ 或 { 之类的开始分隔符,则将其写入栈中;当遇到诸如 )、] 或 } 等结束分隔符时,则栈顶元素出栈,并将其与当前遍历元素进行比较,如果它们匹配,则继续解析符号串,否则表示不匹配。当遍历完成后,如果栈不为空,则同样表示不匹配:
def isvalid_expression(expression):stack = Stack()
symbols = {):(, ]:[, }:{}
for s in expression:
if s in symbols:
if stack:
top_element = stack.pop()
else:
top_element = #
if symbols[s] != top_element:
return False
else:
stack.push(s)
return not stack
由于我们只需要遍历符号串一边,因此算法的时间复杂度为O(n),算法的空间复杂度同样为O(n)。
给定一链表(带有头结点) L : L0→L1→…→Ln,将其重排为:L0→Ln→L1→Ln−1 … 。
例如链表中包含 9 个元素,则下图现实了重排前后的链表元素情况:
由于栈的先进后出原则,可以利用栈与原链表的配合进行重排,首次按遍历链表,将每个结点入栈;栈中元素的出栈顺序为原链表结点的逆序,然后交替遍历链表和栈,构建新链表。
def reorder_list(L):p = L.head.next
if p == None:
return L
stack = Stack()
while p!= None:
stack.push(p)
p = p.next
l = L.head.next
from_head = L.head.next
from_stack = True
while (from_stack and l != stack.peek() or (not from_stack and l != from_head)):
if from_stack:
from_head = from_head.next
l.next = stack.pop()
from_stack = False
else:
l.next = from_head
from_stack = True
l = l.next
l.next = None
该算法的时间复杂度和空间复杂度均为O(n)。
以上就是Python数据结构之栈详解的详细内容,更多关于Python 栈的资料请关注盛行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。