我的施工之路

上圖施工計劃，已完成專題：

1.數字專題

2.字符串專題

3.列表專題

4.流程控制專題

5.編程風格專題

6.函數使用專題

7.面向對象編程(上篇)

8.面向對象編程(下篇)

9.Python基礎9之數據結構(上)

10.Python基礎9之數據結構(下)

上篇4種數據結構相信大家都已經比較熟悉，接下來再詳細的介紹下面6種數據結構及各自使用場景。

基本目錄結構：

• 1 list

• 2 tuple

• 3 set

• 4 dict

• 5 deque

• 6 Counter

• 7 OrderedDict

• 8 heapq

• 9 defaultdict

• 10 ChainMa

5 deque

基本用法?deque 雙端隊列，基于list優化了列表兩端的增刪數據操作。基本用法：

from?collections?import?deque

In?[3]:?d?=?deque([3,2,4,0])????????????????????????????????????????????????????

In?[4]:?d.popleft()?#?左側移除元素，O(1)時間復雜度????????????????????????????????????????????????????????????
Out[4]:?3

In?[5]:?d.appendleft(3)?#?左側添加元素，O(1)時間復雜度???????????????????????????????????????????????????????

In?[6]:?d???????????????????????????????????????????????????????????????????????
Out[6]:?deque([3,?2,?4,?0])

使用場景?list左側添加刪除元素的時間復雜度都為O(n)，所以在Python模擬隊列時切忌使用list，相反使用deque雙端隊列非常適合頻繁在列表兩端操作的場景。但是，加強版的deque犧牲了空間復雜度，所以嵌套deque就要仔細trade-off:

In?[9]:?sys.getsizeof(deque())??????????????????????????????????????????????????
Out[9]:?640

In?[10]:?sys.getsizeof(list())??????????????????????????????????????????????????
Out[10]:?72

實現原理?cpython實現deque使用默認長度64的數組，每次從左側移除1個元素，leftindex加1，如果超過64釋放原來的內存塊，再重新申請64長度的數組，并使用雙端鏈表block管理內存塊。

6 Counter

基本用法?Counter一種繼承于dict用于統計元素個數的數據結構，也稱為bag 或 multiset. 基本用法：

from?collections?import?Counter
In?[14]:?c?=?Counter([1,3,2,3,4,2,2])?#?統計每個元素的出現次數
In?[17]:?c??????????????????????????????????????????????????????????????????????
Out[17]:?Counter({1:?1,?3:?2,?2:?3,?4:?1})

#?除此之外，還可以統計最常見的項
#?如統計第1最常見的項，返回元素及其次數的元組
In?[16]:?c.most_common(1)???????????????????????????????????????????????????????
Out[16]:?[(2,?3)]

使用場景?基本的dict能解決的問題就不要用Counter，但如遇到統計元素出現頻次的場景，就不要自己去用dict實現了，果斷選用Counter.

需要注意，Counter統計的元素要求可哈希(hashable)，換句話說如果統計list的出現次數就不可行，不過list轉化為tuple不就可哈希了嗎.

實現原理?Counter實現基于dict，它將元素存儲于keys上，出現次數為values.

7 OrderedDict

基本用法?繼承于dict，能確保keys值按照順序取出來的數據結構，基本用法：

In?[25]:?from?collections?import?OrderedDict????????????????????????????????????

In?[26]:?od?=?OrderedDict({'c':3,'a':1,'b':2})??????????????????????????????????

In?[27]:?for?k,v?in?od.items():?
????...:?????print(k,v)?
????...:????????????????????????????????????????????????????????????????????????
c?3
a?1
b?2

使用場景?基本的dict無法保證順序，keys映射為哈希值，而此值不是按照順序存儲在散列表中的。所以遇到要確保字典keys有序場景，就要使用OrderedDict.

實現原理?你一定會好奇OrderedDict如何確保keys順序的，翻看cpython看到它里面維護著一個雙向鏈表self.__root，它維護著keys的順序。既然使用雙向鏈表，細心的讀者可能會有疑問：刪除鍵值對如何保證O(1)時間完成？

cpython使用空間換取時間的做法，內部維護一個self.__map字典，鍵為key，值為指向雙向鏈表節點的link. 這樣在刪除某個鍵值對時，通過__map在O(1)內找到link，然后O(1)內從雙向鏈表__root中摘除。

8 heapq

基本用法?基于list優化的一個數據結構：堆隊列，也稱為優先隊列。堆隊列特點在于最小的元素總是在根結點：heap[0] 基本用法：

import?heapq
In?[41]:?a?=?[3,1,4,5,2,1]??????????????????????????????????????????????????????

In?[42]:?heapq.heapify(a)?#?對a建堆，建堆后完成對a的就地排序
In?[43]:?a[0]?#?a[0]一定是最小元素
In?[44]:?a
Out[44]:?[1,?1,?3,?5,?2,?4]

In?[46]:?heapq.nlargest(3,a)?#?a的前3個最大元素????????????????????????????????????????????????????
Out[46]:?[5,?4,?3]

In?[47]:?heapq.nsmallest(3,a)?#?a的前3個最小元素??????????????????????????????????????????????????
Out[47]:?[1,?1,?2]

使用場景?如果想要統計list中前幾個最小(大)元素，那么使用heapq很方便，同時它還提供合并多個有序小list為大list的功能。

基本原理?堆是一個二叉樹，它的每個父節點的值都只會小于或大于所有孩子節點(的值)，原理與堆排序極為相似。

9 defaultdict

基本用法?defaultdict是一種帶有默認工廠的dict，如果對設計模式不很了解的讀者可能會很疑惑工廠這個詞，準確來說工廠全稱為對象工廠。下面體會它的基本用法。

基本dict鍵的值沒有一個默認數據類型，如果值為list，必須要手動創建：

words=['book','nice','great','book']
d?=?{}
for?i,word?in?enumerate(words):
????if?word?in?d:
????????d[word].append(i)
????else:
????????d[word]=[i]?#?顯示的創建一個list

但是使用defaultdict：

from?collections?import?defaultdict
d?=?defaultdict(list)?#?創建字典值默認為list的字典
for?i,word?in?enumerate(words):
????d[word]?=?i?

省去一層if邏輯判斷，代碼更加清晰。上面defaultdict(list)這行代碼默認創建值為list的字典，還可以構造defaultdict(set), defaultdict(dict)等等，這種模式就是對象工廠，工廠里能制造各種對象：list,set,dict...

使用場景?上面已經說的很清楚，適用于鍵的值必須指定一個默認值的場景，如鍵的值為list,set,dict等。

實現原理?基本原理就是調用工廠函數去提供缺失的鍵的值。后面設計模式專題再詳細探討。

10 ChainMap

基本用法?如果有多個dict想要合并為一個大dict，那么ChainMap將是你的選擇，它的方便性體現在同步更改。具體來看例子：

In?[55]:?from?collections?import?ChainMap???????????????????????????????????????

In?[56]:?d1?=?{'a':1,'c':3,'b':2}???????????????????????????????????????????????

In?[57]:?d2?=?{'d':1,'e':5}?????????????????????????????????????????????????????

In?[58]:?dm?=?ChainMap(d1,d2)???????????????????????????????????????????????????

In?[59]:?dm?????????????????????????????????????????????????????????????????????
Out[59]:?ChainMap({'a':?1,?'c':?3,?'b':?2},?{'d':?1,?'e':?5})

ChainMap后返回一個大dict視圖，如果修改其對應鍵值對，原小dict也會改變：

In?[86]:?dm.maps??#?返回一個字典list???????????????????????????????????????????????????????????????
Out[86]:?[{'a':?2,?'c':?3,?'b':?2,?'d':?10},?{'d':?1,?'e':?5}]

In?[87]:?dm.maps[0]['d']=20???#?修改第一個dict的鍵等于'd'的值為20???????????????????????????????????????????????????

In?[88]:?dm?????????????????????????????????????????????????????????????????????
Out[88]:?ChainMap({'a':?2,?'c':?3,?'b':?2,?'d':?20},?{'d':?1,?'e':?5})

In?[89]:?d1?#?原小dict的鍵值變為20????????????????????????????????????????????????????????????????????
Out[89]:?{'a':?2,?'c':?3,?'b':?2,?'d':?20}

使用場景??具體使用場景是我們有多個字典或者映射，想把它們合并成為一個單獨的映射，有讀者可能說可以用update進行合并，這樣做的問題就是新建了一個內存結構，除了浪費空間外，還有一個缺點就是我們對新字典的更改不會同步到原字典上。

實現原理?通過maps便能觀察出ChainMap聯合多個小dict裝入list中，實際確實也是這樣實現的，內部維護一個lis實例，其元素為小dict.

你可能會喜歡

• Jmeter關聯系列_數據驅動中的業務邏輯關聯

• docker搭建接口自動化持續集成框架

• python28：迷宮游戲最短路徑算法

• 4300 字Python列表使用總結，用心！

• 盤一盤 Python 系列基礎篇十一之 機器學習 Sklearn

• 盤一盤 Python 系列特別篇十八之 日期時間 DateTime

• Linux環境部署之ubuntu網絡配置

• 性能測試指標7：性能測試的階段性工作

• jmeter之對jar包進行調用

• jmeter之爬取網絡圖片

• 軟件質量保障體系圖

• 研發過程中的測試工作

• APP測試流程及測試點

• WEB測試范圍小結

關注公眾號送免費資料
回復Jenkins?領取Jenkins學習資料回復Jmeter?領取Jmeter學習資料

回復Java? ?領取Java學習資料

回復Python?領取python入門資料

回復RobotFramework???領取RobotFramework 框架搭建資料

測試交流，加我備注【測試交流】拉入交流群，更有不定期資料贈送，敬請期待

本文轉載自【Python與算法社區】

總結

以上是生活随笔為你收集整理的python链表添加多个值_Python基础10之数据结构（下）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。