介紹

有效的軟件開發(fā)取決於對(duì)算法和數(shù)據(jù)結(jié)構(gòu)的強(qiáng)烈了解。 Python以其易用性而聞名，它提供了內(nèi)置的數(shù)據(jù)結(jié)構(gòu)，例如列表，詞典和集合。但是，通過將適當(dāng)?shù)乃惴☉?yīng)用於這些結(jié)構(gòu)來釋放真正的力量。算法本質(zhì)上是解決問題的規(guī)則或過程集。算法和數(shù)據(jù)結(jié)構(gòu)的聯(lián)合使用將基本腳本轉(zhuǎn)換為高度優(yōu)化的應(yīng)用程序。

本文探討了Python數(shù)據(jù)結(jié)構(gòu)的七種基本算法。

目錄

• 介紹
• 算法在Python數(shù)據(jù)結(jié)構(gòu)中的重要性
• Python數(shù)據(jù)結(jié)構(gòu)的七個(gè)關(guān)鍵算法
  • 1. 二進(jìn)制搜索
  • 2. 合併排序
  • 3. 快速排序
  • 4. Dijkstra的算法
  • 5. 廣度優(yōu)先搜索（BFS）
  • 6. 深度優(yōu)先搜索（DFS）
  • 7. 哈希
• 結(jié)論

算法在Python數(shù)據(jù)結(jié)構(gòu)中的重要性

有效算法至關(guān)重要，原因有幾個(gè)：

• 增強(qiáng)的性能：精心設(shè)計(jì)的算法，再加上合適的數(shù)據(jù)結(jié)構(gòu)，最大程度地減少時(shí)間和空間的複雜性，從而更快，更有效的程序。例如，在二進(jìn)制搜索樹上的二進(jìn)制搜索大大減少了搜索時(shí)間。
• 大型數(shù)據(jù)集的可伸縮性：有效的算法對(duì)於處理大量數(shù)據(jù)集至關(guān)重要，以確保處理仍然迅速且資源效率。沒有優(yōu)化的算法，大型數(shù)據(jù)結(jié)構(gòu)的操作在計(jì)算上變得昂貴。
• 改進(jìn)的數(shù)據(jù)組織：算法有助於組織結(jié)構(gòu)內(nèi)的數(shù)據(jù)，從而簡(jiǎn)化搜索和操縱。對(duì)QuickSort和Mergesort等算法排序在陣列或鏈接列表中排列元素，以便於訪問。
• 優(yōu)化的內(nèi)存使用情況：算法通過最大程度地減少內(nèi)存消耗來有助於有效存儲(chǔ)。哈希功能，例如，在哈希表上分配數(shù)據(jù)，以減少搜索時(shí)間。
• 利用庫功能：許多Python庫（Numpy，Pandas，Tensorflow）依賴於復(fù)雜的算法進(jìn)行數(shù)據(jù)操作。了解這些算法使開發(fā)人員可以有效地使用這些庫。

Python數(shù)據(jù)結(jié)構(gòu)的七個(gè)關(guān)鍵算法

讓我們檢查七種至關(guān)重要的算法：

1。二進(jìn)制搜索

二進(jìn)制搜索是用於在排序列表中查找特定項(xiàng)目的高效算法。它通過反復(fù)將搜索間隔分為一半而起作用。如果目標(biāo)值小於中間元素，則搜索將繼續(xù)在下半部分。否則，它會(huì)在上半部繼續(xù)。這種對(duì)數(shù)時(shí)間複雜性（O（log n））使其比對(duì)大數(shù)據(jù)集的線性搜索要快得多。

算法步驟

1. 初始化：將left設(shè)置為0， right設(shè)置為陣列的長(zhǎng)度負(fù)1。
2. 迭代： left小於或等於right ：
   • 計(jì)算中間索引（ mid ）。
   • 將中間元素與目標(biāo)值進(jìn)行比較。如果相等，請(qǐng)返回mid 。
   • 如果目標(biāo)小於中間元素， right更新到mid - 1 。
   • 否則， left更新到mid 1 。
3. 找不到目標(biāo)：如果循環(huán)完成未找到目標(biāo)，請(qǐng)返回-1。

代碼實(shí)施（說明性）

 Def Binary_search（ARR，目標(biāo)）：
    ＃...（原始文本中的實(shí)現(xiàn)）

在需要快速查找的情況下，二進(jìn)制搜索是無價(jià)的，例如數(shù)據(jù)庫索引。

2。合併排序

合併排序是一種劃分和爭(zhēng)議算法，它遞歸將未分類的列表劃分為較小的sublist，直到每個(gè)sublist僅包含一個(gè)元素。然後，這些訂訂者反複合並以產(chǎn)生新的分類訂書機(jī)，直到獲得單個(gè)排序列表為止。它的時(shí)間複雜性是O（n log n），使大型數(shù)據(jù)集有效。

算法步驟

1. 分割：遞歸將數(shù)組分為兩個(gè)半部分，直到每個(gè)半僅包含一個(gè)元素。
2. 征服：遞歸對(duì)每個(gè)子列表進(jìn)行分類（基本情況：已經(jīng)對(duì)單元素列表進(jìn)行了排序）。
3. 合併：通過比較每個(gè)sublist的元素並將較小的元素放入結(jié)果列表中，將分類的子列表合併到單個(gè)排序列表中。

代碼實(shí)施（說明性）

 DEF MERGE_SORT（ARR）：
    ＃...（原始文本中的實(shí)現(xiàn)）

合併排序特別適合整理鏈接列表和處理可能完全不適合內(nèi)存的大型數(shù)據(jù)集。

3?？焖倥判?/h3>

快速排序是另一種分裂和串?dāng)_算法，選擇一個(gè)“樞軸”元素，並根據(jù)它們是小於還是大於樞軸的兩個(gè)子陣列，將其他元素分為兩個(gè)子陣列。此過程遞歸地應(yīng)用於子陣列，直到整個(gè)數(shù)組分類為止。儘管其最差的時(shí)間複雜性是O（n2），但其平均案例性能為O（n log n），使其成為高度實(shí)用的分類算法。

算法步驟

1. 樞軸選擇：選擇一個(gè)樞軸元素（存在各種策略）。
2. 分區(qū)：重新排列陣列，以使元素比樞軸更小，並且元素更大。
3. 遞歸：在樞軸之前和之後，遞歸將快速排序應(yīng)用於子陣列。

代碼實(shí)施（說明性）

 def quick_sort（arr）：
    ＃...（原始文本中的實(shí)現(xiàn)）

Quick Sort的效率使其成為許多庫和框架中的流行選擇。

4。 Dijkstra的算法

Dijkstra的算法找到了從單個(gè)源節(jié)點(diǎn)到具有非陰性邊緣權(quán)重的圖中所有其他節(jié)點(diǎn)的最短路徑。它迭代地選擇距源最小的暫定距離的節(jié)點(diǎn)，並更新其鄰居的距離。

算法步驟

1. 初始化：為每個(gè)節(jié)點(diǎn)分配一個(gè)暫定距離：源節(jié)點(diǎn)的零，以及所有其他節(jié)點(diǎn)的無窮大。
2. 迭代：雖然有未訪問的節(jié)點(diǎn)：
   • 選擇最小的暫定距離的未訪問節(jié)點(diǎn)。
   • 對(duì)於每個(gè)鄰居，計(jì)算通過選定節(jié)點(diǎn)的距離。如果此距離短於當(dāng)前的暫定距離，請(qǐng)更新鄰居的暫定距離。
3. 終止：當(dāng)訪問所有節(jié)點(diǎn)或優(yōu)先隊(duì)列為空時(shí)，該算法將終止。

代碼實(shí)施（說明性）

導(dǎo)入heapq

Def Dijkstra（圖，開始）：
    ＃...（原始文本中的實(shí)現(xiàn)）

Dijkstra的算法在GPS系統(tǒng)，網(wǎng)絡(luò)路由和各種路障問題中具有應(yīng)用。

5。廣度優(yōu)先搜索（BFS）

BFS是一種圖形遍曆算法，可以按級(jí)別探索圖級(jí)。它從根節(jié)點(diǎn)開始，然後訪問其所有鄰居，然後再轉(zhuǎn)移到下一個(gè)鄰居。這對(duì)於在未加權(quán)圖中找到最短路徑很有用。

算法步驟

1. 初始化：從包含根節(jié)點(diǎn)的隊(duì)列和跟蹤訪問的節(jié)點(diǎn)的集合開始。
2. 迭代：雖然隊(duì)列不是空的：
   • dequeue a節(jié)點(diǎn)。
   • 如果未被訪問，請(qǐng)將其標(biāo)記為訪問，並佔(zhàn)領(lǐng)其未訪問的鄰居。

代碼實(shí)施（說明性）

從藏品進(jìn)口Deque

def bfs（圖，啟動(dòng)）：
    ＃...（原始文本中的實(shí)現(xiàn)）

BFS在社交網(wǎng)絡(luò)，點(diǎn)對(duì)點(diǎn)網(wǎng)絡(luò)和搜索引擎中找到應(yīng)用程序。

6。深度優(yōu)先搜索（DFS）

DFS是另一種圖形遍曆算法，它通過在回溯之前沿每個(gè)分支進(jìn)行深度探索圖。它使用堆棧（或遞歸）來跟蹤訪問的節(jié)點(diǎn)。

算法步驟

1. 初始化：從包含根節(jié)點(diǎn)的堆棧開始，然後進(jìn)行跟蹤訪問的節(jié)點(diǎn)的集合。
2. 迭代：雖然堆棧不是空的：
   • 彈出一個(gè)節(jié)點(diǎn)。
   • 如果未被訪問，請(qǐng)將其標(biāo)記為訪問，並將其未訪問的鄰居推到堆棧上。

代碼實(shí)施（說明性）

 def dfs_iterative（圖，啟動(dòng)）：
    ＃...（原始文本中的實(shí)現(xiàn)）

DFS用於拓?fù)渑判颍h(huán)檢測(cè)和解決難題。

7。哈希

哈希是將密鑰映射到哈希表中的索引的一種技術(shù)，以有效地檢索數(shù)據(jù)。哈希功能將鍵轉(zhuǎn)換為索引，從而可以快速查找，插入和刪除。需要使用碰撞處理機(jī)制來解決不同鍵映射到相同索引的情況。

算法步驟

1. 哈希函數(shù)：選擇哈希函數(shù)以將鍵映射到索引。
2. 插入：使用哈希功能計(jì)算索引，然後將鍵值對(duì)插入相應(yīng)的存儲(chǔ)桶（處理碰撞）中。
3. 查找/刪除：使用哈希函數(shù)查找索引並檢索/刪除鍵值對(duì)。

代碼實(shí)施（說明性）

班級(jí)可觀：
    ＃...（原始文本中的實(shí)現(xiàn)）

哈希表是數(shù)據(jù)庫，緩存和其他需要快速數(shù)據(jù)訪問的應(yīng)用程序的基礎(chǔ)。

結(jié)論

算法的堅(jiān)實(shí)掌握及其與數(shù)據(jù)結(jié)構(gòu)的相互作用對(duì)於有效的Python編程至關(guān)重要。這些算法是優(yōu)化性能，提高可擴(kuò)展性和解決複雜問題的重要工具。通過掌握這些技術(shù)，開發(fā)人員可以構(gòu)建強(qiáng)大而高性能的應(yīng)用程序。

以上是Python -Analytics Vidhya中數(shù)據(jù)結(jié)構(gòu)的前7個(gè)算法的詳細(xì)內(nèi)容。更多資訊請(qǐng)關(guān)注PHP中文網(wǎng)其他相關(guān)文章！