有了 Python 是不是不需要学数据结构,算法了?
回复内容:
- Python 的 list 是怎么回事,为什么有近乎无限大小的空间?为什么专门有一个固定长度且不能修改的数据结构 tuple 而不全用 list?
- list 的 insert 和 append 的费时是一样的吗?
- Python 的 dict 是怎么回事,为什么可以用字符串数字等等东西来索引?是怎么搜索的?在 dict 中找一个元素,和在 list 里面找一个元素有什么区别?
- Python 内置的 list, dict, set, ...数据结构,你应该在什么样的场景下使用?
- 小明家大姨开了小卖部,觉得小明是学编程的各种高大上,需要用 Python 写一个找零钱的程序,输入任意整数,输出如何找零钱需要的张数最少,小明应该如何写?
“虽然当下大部分流行的高级语言都自带了对常用数据结构的支持,而且多半你无法给出更加优秀的实现,但是继续学习数据结构的动力在于:它让你学会选择一个正确且合适的数据结构去解决一个具体的问题。”
尤其是Python这样的语言,built-in的这些数据结构:list, dict, set...似乎是万能的(的确,有些时候确实是万能的)。但如果你了解它们背后的具体实现,就会发现,看似完美的数据结构,却未必是合适之选。比如内存空间惜“字”如金,主要目的是顺序存取,而完全不需要动态扩展的情况下,list就没有传统的array合适,具体的原因可以去了解一下list的实现原理。
推荐一本书吧:《Data Structures and Algorithms Using Python》,网上可以下载到高清的pdf。书中除了讲述了几种常用数据结构栈、队列、二叉树等的Python实现,特别值得推荐的是,还对Python的几个built-in数据结构的实现进行了具体的分析。相信会有帮助。唯一不足的是,只有英文版的,耐心读一下吧,会有一种豁然开朗的感觉。
+++++++++++++++++++++++++++分割线+++++++++++++++++++++++++++++++++
补充:
这本书后面部分的样例代码有点混乱,混杂了Python 2.x 和 Python 3.x ,需要留意区分一下。
附上一个下载链接吧:
Data Structures and Algorithms Using Python.pdf_免费高速下载 python程序员学习路线图 python+ 数据结构和算法 + linux + 软件工程 + web开发 + git版本控制+ 沟通技巧等等。 当然不是。这么明显的问题还用问吗? Python是种语言。
数据结构和算法教你如何高效的使用各种语言。
所以如果想高效使用Python,是需要学算法和数据结构。

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas



Penyelesaian kepada Isu Kebenaran Semasa Melihat Versi Python di Terminal Linux Apabila anda cuba melihat versi Python di Terminal Linux, masukkan Python ...

Artikel ini menerangkan cara menggunakan sup yang indah, perpustakaan python, untuk menghuraikan html. Ia memperincikan kaedah biasa seperti mencari (), find_all (), pilih (), dan get_text () untuk pengekstrakan data, pengendalian struktur dan kesilapan HTML yang pelbagai, dan alternatif (sel

Modul Statistik Python menyediakan keupayaan analisis statistik data yang kuat untuk membantu kami dengan cepat memahami ciri -ciri keseluruhan data, seperti biostatistik dan analisis perniagaan. Daripada melihat titik data satu demi satu, cuma melihat statistik seperti min atau varians untuk menemui trend dan ciri dalam data asal yang mungkin diabaikan, dan membandingkan dataset besar dengan lebih mudah dan berkesan. Tutorial ini akan menjelaskan cara mengira min dan mengukur tahap penyebaran dataset. Kecuali dinyatakan sebaliknya, semua fungsi dalam modul ini menyokong pengiraan fungsi min () dan bukan hanya menjumlahkan purata. Nombor titik terapung juga boleh digunakan. Import secara rawak Statistik import dari fracti

Artikel ini membandingkan tensorflow dan pytorch untuk pembelajaran mendalam. Ia memperincikan langkah -langkah yang terlibat: penyediaan data, bangunan model, latihan, penilaian, dan penempatan. Perbezaan utama antara rangka kerja, terutamanya mengenai grap pengiraan

Artikel ini membincangkan perpustakaan Python yang popular seperti Numpy, Pandas, Matplotlib, Scikit-Learn, Tensorflow, Django, Flask, dan Permintaan, memperincikan kegunaan mereka dalam pengkomputeran saintifik, analisis data, visualisasi, pembelajaran mesin, pembangunan web, dan h

Artikel ini membimbing pemaju Python mengenai bangunan baris baris komando (CLI). Butirannya menggunakan perpustakaan seperti Typer, Klik, dan ArgParse, menekankan pengendalian input/output, dan mempromosikan corak reka bentuk mesra pengguna untuk kebolehgunaan CLI yang lebih baik.

Apabila menggunakan Perpustakaan Pandas Python, bagaimana untuk menyalin seluruh lajur antara dua data data dengan struktur yang berbeza adalah masalah biasa. Katakan kita mempunyai dua DAT ...

Artikel ini membincangkan peranan persekitaran maya di Python, memberi tumpuan kepada menguruskan kebergantungan projek dan mengelakkan konflik. Ia memperincikan penciptaan, pengaktifan, dan faedah mereka dalam meningkatkan pengurusan projek dan mengurangkan isu pergantungan.
