Python 实现栈的几种方式及其优劣-Python教程-PHP中文网

Python 实现栈的几种方式及其优劣

一、栈的概念

栈由一系列对象对象组织的一个集合，这些对象的增加和删除操作都遵循一个“后进先出”（Last In First Out，LIFO）的原则。

在任何时刻只能向栈中插入一个对象，但只能取得或者删除只能在栈顶进行。比如由书构成的栈，唯一露出封面的书就是顶部的那本，为了拿到其他的书，只能移除压在上面的书，如图：

Python 实现栈的几种方式及其优劣

栈的实际应用

实际上很多应用程序都会用到栈，比如：

网络浏览器将最近浏览的网址存放在一个栈中。每当用户访问者访问一个新网站时，这个新网站的网址就被压入栈顶。这样，每当我们在浏览器单击“后退”按钮时（或者按键盘快捷键 CTRL Z ，大部分撤销快捷键），就可以弹出当前最近一次访问的网址，以回到其先前访问的浏览状态。
文本编辑器通常会提供一个“撤销”机制以取消最近的编辑操作并返回到先前状态。这个撤销操作也是通过将文本的变化状态保存在一个栈中得以实现。
一些高级语言的内存管理，JVM 的栈、Python 栈还用于内存管理、嵌套语言特性的运行时环境等
回溯（玩游戏，寻找路径，穷举搜索）
在算法中使用，如汉诺塔、树形遍历、直方图问题，也用于图算法，如拓扑排序
语法处理：

参数和局部变量的空间是用堆栈在内部创建的。
编译器对大括号匹配的语法检查
对递归的支持
在编译器中像后缀或前缀一样的表达式

二、栈的抽象数据类型

任何数据结构都离不开数据的保存和获得方式，如前所述，栈是元素的有序集合，添加和操作与移除都发生在其顶端（栈顶），那么它的抽象数据类型包括：

Stack() :创建一个空栈，它不需要参数，且会返回一个空栈。
push(e): 将一个元素 e 添加到栈 S 的栈顶，它需要一个参数 e，且无返回值。
pop() : 将栈顶端的元素移除，它不需要参数，但会返回顶端的元素，并且修改栈的内容。
top(): 返回栈顶端的元素，但是并不移除栈顶元素；若栈为空，这个操作会操作。
is_empty(): 如果栈中不包含任何元素，则返回一个布尔值True。
size()：返回栈中元素的数据。它不需要参数，且会返回一个整数。在 Python 中，可以用__len__ 这个特殊方法实现。

Python 实现栈的几种方式及其优劣

Python 栈的大小可能是固定的，也可能有一个动态的实现，即允许大小变化。在大小固定栈的情况下，试图向已经满的栈添加一个元素会导致栈溢出异常。同样，试图从一个已经是空的栈中移除一个元素，进行 pop() 操作这种情况被称为下溢。

三、用 Python 的列表实现栈

在学习 Python 的时候，一定学过 Python 列表 list , 它能通过一些内置的方式实现栈的功能：

通过append 方法用于添加一个元素到列表尾部，这种方式就能模拟push() 操作。
通过pop() 方法用于模拟出栈操作。
通过L[-1] 模拟top()操作。
通过判断len(L)==0 模拟isEmpty() 操作。
通过len() 函数实现size() 函数。

Python 实现栈的几种方式及其优劣

代码如下：

class ArrayStack:
""" 通过 Python 列表实现 LIFO 栈"""
def __init__(self):
self._data = []
def size(self):
""" return the number of elements in the stack"""
return len(self._data)
def is_empty(self):
""" return True if the stack is empty"""
return len(self._data) == 0
def push(self, e):
""" add element e to the top of the stack"""
self._data.append(e)

def pop(self):
""" remove and return the element from the top of the stack
"""
if self.is_empty():
raise Exception('Stack is empty')
return self._data.pop()
def top(self):
"""return the top of the stack
Raise Empty exception if the stack is empty
"""
if self.is_empty():
raise Exception('Stack is empty')
return self._data[-1]# the last item in the list
arrayStack = ArrayStack()
arrayStack.push("Python")
arrayStack.push("Learning")
arrayStack.push("Hello")
print("Stack top element: ", arrayStack.top())
print("Stack length: ", arrayStack.size())
print("Stack popped item: %s" % arrayStack.pop())
print("Stack is empty?", arrayStack.is_empty())
arrayStack.pop()
arrayStack.pop()
print("Stack is empty?", arrayStack.is_empty())
# arrayStack.pop()

登录后复制

运行该程序，结果：

Stack top element:Hello
Stack length:3
Stack popped item: Hello
Stack is empty? False
Stack is empty? True

登录后复制

除了将列表的队尾作为栈顶，也可以通过将列表的头部作为栈的顶端。不过在这种情况下，便无法直接使用 pop() 方法和 append()方法，但是可以通过 pop() 和 insert() 方法显式地访问下标为 0 的元素，即列表的第一个元素，代码如下：

class ArrayStack:
""" 通过 Python 列表实现 LIFO 栈"""
def __init__(self):
self._data = []
def size(self):
""" return the number of elements in the stack"""
return len(self._data)
def is_empty(self):
""" return True if the stack is empty"""
return len(self._data) == 0
def push(self, e):
""" add element e to the top of the stack"""
self._data.insert(0, e) 
def pop(self):
""" remove and return the element from the top of the stack
"""
if self.is_empty():
raise Exception('Stack is empty')
return self._data.pop(0)
def top(self):
"""return the top of the stack
Raise Empty exception if the stack is empty
"""
if self.is_empty():
raise Exception('Stack is empty')
return self._data[0]# the last item in the list

登录后复制

虽然我们改变了抽象数据类型的实现，却保留了其逻辑特征，这种能力体现了抽象思想。不管，虽然两种方法都实现了栈，但两者的性能方法有差异：

append() 和pop() 方法的时间复杂度都是 *O(1)，*常数级别操作
第二种实现的性能则受制于栈中的元素个数，这是因为insert(0) 和pop(0) 的时间复杂度都是O(n)，元素越多就越慢。

四、用 collections.deque 实现栈

在 Python 中，collections 模块有一个双端队列数据结构 deque，这个数据结构同样实现了 append() 和 pop() 方法：

>>> from collections import deque
>>> myStack = deque()
>>> myStack.append('Apple')
>>> myStack.append('Banana')
>>> myStack.append('Orange')
>>> 
>>> myStack
deque(['Apple', 'Banana', 'Orange'])
>>> myStack.pop()
'Orange'
>>> myStack.pop()
'Banana'
>>>
>>> len(myStack)
1
>>> myStack[0]
'Apple'
>>> myStack.pop()
'Apple'

>>>
>>> myStack.pop()
Traceback (most recent call last):
File "<pyshell#13>", line 1, in <module>
myStack.pop()
IndexError: pop from an empty deque
>>>

登录后复制

为什么有了 list 还需要 deque？

可能你可以看到 deque 和列表 list 对元素的操作差不多，那么为什么 Python 中有列表还增加了 deque 这一个数据结构呢？

那是因为，Python 中的列表建立在连续的内存块中，意味着列表的元素是紧挨着存储的。

Python 实现栈的几种方式及其优劣

这对一些操作来说非常有效，比如对列表进行索引。获取 myList[3] 的速度很快，因为 Python 确切地知道在内存中寻找它的位置。这种内存布局也允许切片在列表上很好地工作。

毗连的内存布局是 list 可能需要花费更多时间来 .append() 一些对象。如果连续的内存块已经满了，那么它将需要获得另一个内存块，先将整体 copy 过去，这个动作可能比一般的 .append() 操作花费更多的时间。

Python 实现栈的几种方式及其优劣

而双端队列 deque 是建立在一个双链表的基础上。在一个链接列表结构中，每个条目都存储在它自己的内存块中，并有一个对列表中下一个条目的引用。

双链表也是如此，只是每个条目都有对列表中前一个和后一个条目的引用。这使得你可以很容易地在列表的两端添加节点。

在一个链接列表结构中添加一个新的条目，只需要设置新条目的引用指向当前堆栈的顶部，然后将堆栈的顶部指向新条目。

Python 实现栈的几种方式及其优劣

然而，这种在栈上不断增加和删除条目的时间是有代价的。获取 myDeque[3] 的速度要比列表慢，因为 Python 需要走过列表的每个节点来获取第三个元素。

幸运的是，你很少想在栈上做随机索引元素或进行列表切片操作。栈上的大多数操作都是 push 或 pop。

如果你的代码不使用线程，常数时间的 .append() 和 .pop() 操作使 deque 成为实现 Python 栈的一个更好的选择。

五、用 queue.LifoQueue 实现栈

Python 栈在多线程程序中也很有用，我们已经学习了 list 和 deque 两种方式。对于任何可以被多个线程访问的数据结构，在多线程编程中，我们不应该使用 list，因为列表不是线程安全的。deque 的 .append() 和 .pop() 方法是原子性的，意味着它们不会被不同的线程干扰。

因此，虽然使用 deque 可以建立一个线程安全的 Python 堆栈，但这样做会使你自己在将来被人误用，造成竞态条件。

好吧，如果你是多线程编程，你不能用 list 来做堆栈，你可能也不想用 deque 来做堆栈，那么你如何为一个线程程序建立一个 Python 堆栈？

答案就在 queue 模块中：queue.LifoQueue。还记得你是如何学习到栈是按照后进先出（LIFO）的原则运行的吗？嗯，这就是 LifoQueue 的 "Lifo "部分所代表的含义。

虽然 list 和 deque 的接口相似，但 LifoQueue 使用 .put() 和 .get() 来从栈中添加和删除数据。

>>> from queue import LifoQueue
>>> stack = LifoQueue()
>>> stack.put('H')
>>> stack.put('E')
>>> stack.put('L')
>>> stack.put('L')
>>> stack.put('O')
>>> stack
<queue.LifoQueue object at 0x00000123159F7310>
>>> 
>>> stack.get()
'O'
>>> stack.get()
'L'
>>> stack.empty()
False
>>> stack.qsize()
3
>>> stack.get()
'L'
>>> stack.get()
'E'
>>> stack.qsize()
1
>>> stack.get()
'H'
>>> stack.get_nowait()
Traceback (most recent call last):
File "<pyshell#31>", line 1, in <module>
stack.get_nowait()
_queue.Empty
>>> 

>>> stack.put('Apple')
>>> stack.get_nowait()
'Apple'

登录后复制

与 deque 不同，LifoQueue 被设计为完全线程安全的。它的所有方法都可以在线程环境中安全使用。它还为其操作添加了可选的超时功能，这在线程程序中经常是一个必须的功能。

然而，这种完全的线程安全是有代价的。为了实现这种线程安全，LifoQueue 必须在每个操作上做一些额外的工作，这意味着它将花费更长的时间。

通常情况下，这种轻微的减速对你的整体程序速度并不重要，但如果你已经测量了你的性能，并发现你的堆栈操作是瓶颈，那么小心地切换到 deque 可能是值得做的。