Python基础（11）deque , heapq , array ,bisect

淡淡的烟草味﹌ 2022-05-23 06:55 173阅读 0赞

#coding=gbk
    #数据结构
    #deque对象，双端队列，collection.deque,支持从任何一段删除和增加元素，deque是线程安全的，内存高效的队列
    
    #deque 作为栈，栈是先进后出的，使用append，pop即可
    from collections import *
    
    dp=deque()
    dp.append(1)
    dp.append(2)
    dp.append(3)
    print(dp)# 输出  deque([1, 2, 3])
    dp.pop()
    dp.pop()
    print(dp)   #输出为 ：deque([1])
    
    #deque 对象作为队列，队列是先进先出的，类似于排队
    from collections import *
    dp=deque()
    dp.append(1)
    dp.append(2)
    dp.append(3)
    print(dp)# 输出  deque([1, 2, 3])
    dp.popleft()
    print(dp)   #输出为：deque([2, 3]) 先进先出

#### 双端队列： ####

![20180604152918538][]

#### array对象typecode： ####

![20180604153125272][]

#### array属性方法： ####

![20180604153206825][]

![20180604153218819][]

#array对象是包含相同基本数据类型的列表
    #显然，array对象时可变的对象
    import array
    arr1=array.array('b',(1,2,3,4,5))
    print(arr1[1])
    del arr1[1]
    print(arr1)
    print(arr1[2:])
    arr1.append(22)
    print(arr1)

##### `` #####

##### `堆的定义：堆是一种特殊的树形数据结构，每个节点都有一个值，通常我们所说的堆的数据结构指的是二叉树。堆的特点是根节点的值最大（或者最小），而且根节点的两个孩子也能与孩子节点组成子树，亦然称之为堆。 堆分为两种，大根堆和小根堆是一颗每一个节点的键值都不小于（大于）其孩子节点的键值的树。无论是大根堆还是小根堆（前提是二叉堆）都可以看成是一颗完全二叉树。下面以图的形式直观感受一下:` #####

##### `heapq模块在Python中也对堆这种数据结构进行了模块化，我们可以通过调用heapq模块来建立堆这种数据结构，同时heapq模块也提供了相应的方法来对堆做操作。` #####

##### `heap = [ ] #创建了一个空堆` #####

##### `heappush(heap,item) #往堆中插入一条新的值` #####

##### `item = heappop(heap) #从堆中弹出最小值` #####

##### `item = heap[0] #查看堆中最小值，不弹出` #####

##### `heapify(x) #以线性时间将一个列表转化为堆` #####

# `` #

#堆 heapq
    from heapq import *
    heap=[]
    heappush(heap,1)
    heappush(heap,5)
    heappush(heap,3)
    print(heappop(heap)) #弹出最小的值
    
    #基于堆的排序
    from heapq import *
    def heapsorted(iterable):
        h=[]
        for value in iterable:
            heappush(h,value)   #将value值，入堆
        return [heappop(h) for i in range(len(h))]  # heappop(h)，将h中的元素最小值弹出堆,数据逐一弹出
    data=[1,2,5,3,9,5,0,2]
    print(heapsorted(data)) #输出[0, 1, 2, 2, 3, 5, 5, 9]
    #heapq.heappushpop(heap,item),先将item推入堆中并弹出最小值
    
    import heapq
    for i in heapq.merge([1,2,5,7],[6,8,90]):   #merge中的列表需要使排列顺序从小到大
        print(i,end=' ')
    #或者
    print(' ----------')
    import heapq
    list1=[2,4,10]
    list2=[9,6,4,0,1]
    heapq.heapify(list1)
    heapq.heapify(list2)
    print(list1)
    print(list2)
    for i in heapq.merge(list1,list2):
        print(i,end=" ")
    print(' --------')
    
    h=heapq.nlargest(2,[4,59,8,10,34])  #获取n个最大的值[59, 34]
    print(h)
    h1=heapq.nsmallest(2,[4,59,8,10,34])#[4, 8]
    print(h1)
    
    #bisect 模块提供了基于二分法算法的函数
    import bisect
    list3=[1,3,5,7,9]
    x=bisect.bisect(list3,2) #查找有序表list3 中2 的索引值
    print(x)    #输出为 1
    
    list4=[1,3,5,7,9]
    bisect.insort(list4,2)  #在有序列表list4中插入 2 ，并保持其有序性
    print(list4)    #输出的为 [1, 2, 3, 5, 7, 9]

#使用bisect模块实现成绩等级分类
    import bisect
    def grade(score,breakpoints=[60,70,80,90],grades='FDCBA'):  #grades 分配成绩的等级
        i=bisect.bisect(breakpoints,score)  #区分出score 在breakpoints中的索引值
        return grades[i]      #得到得分等级  
    data=[33,67,78,89,99]
    for i in data:
        print(i,grade(i),end=' , ')

[20180604152918538]: /images/20220523/97fc171529cc4dd3b083300642060426.png
[20180604153125272]: /images/20220523/f19107850bd94ddda5e1addca6a96ed6.png
[20180604153206825]: /images/20220523/9d6f33895b0b432e982929f8624ea992.png
[20180604153218819]: /images/20220523/5217bcc6a9c9451cae33e743d759e984.png