【数据结构实践】简单实现Python自定义队列

简介: 队列:跟数组一样,队列中的数据也是呈线性排列的,它是一种先进先出(FIFO: First in First Out)的线性结构,队列是只允许在一端进行插入操作,而在另一端进行删除操作的线性表.即在队列的尾部入队,在队列的头部出队。在队列中添加和删除数据的操作分别是在两端进行的。顾名思义,他就和我们现实生活中的‘队列’是一样的,你可以把它想象操场上排成一列的队伍,在队列中,操作总是从第一名开始往后进行,而新来的人只能排在队尾。先来的数据先处理是一种很常见的思路,所以队列的应用范围非常广泛。就比如:疫情区间,你去做核酸,你先去的话你排在前面,你后面去的只能排在别人后面,做完核酸的人往前面走,相当

前言


何为队列?


队列:跟数组一样,队列中的数据也是呈线性排列的,它是一种先进先出(FIFO: First in First Out)的线性结构,队列是只允许在一端进行插入操作,而在另一端进行删除操作的线性表.即在队列的尾部入队,在队列的头部出队。

在队列中添加和删除数据的操作分别是在两端进行的。顾名思义,他就和我们现实生活中的‘队列’是一样的,你可以把它想象操场上排成一列的队伍,在队列中,操作总是从第一名开始往后进行,而新来的人只能排在队尾。先来的数据先处理是一种很常见的思路,所以队列的应用范围非常广泛。就比如:疫情区间,你去做核酸,你先去的话你排在前面,你后面去的只能排在别人后面,做完核酸的人往前面走,相当于出队,要做核酸的人,跟着排在队尾,这就相当于入队了。这也是队列的基本操作


队列的基本操作


入队:即队列添加成员,在队列的尾部完成

出队:即队列删除成员,在队列的头部完成

在创建队列时,一般以数组为数据结构


队列图解


1.队列的入队操作


往队列中添加元素时,数据总是被加到最上面(队尾),图中演示将[杜甫]这个数据加入队列

网络异常,图片无法展示
|


2.队列的出队操作


从队列中取出数据,总是从最下面开始,而且队列数据的取出就相当于把出队的数据删除,还是以做核酸为例,你做完核酸之后,就不需要再排队了,这时候就可离开队伍,下图演示将[张三]这个数据进行出队操作


网络异常,图片无法展示
|


自定义队列的实现


队列的设计


队列可以实现设置队列大小,入队,出队,显示队列元素,判断队列等功能.

实现流程如下:

  1. 创建自定义队列类NQueue
  2. 添加队列属性
  3. 创建入队,出队,显示队列元素,判断队列等方法
  4. 验证队列类NQueue

网络异常,图片无法展示
|


具体实现


1.创建NQueue类,并添加属性

classNQueue:
def__init__(self,size=10):
self._content=[]
self._size=sizeself._current=0


2.设置队列的大小

defsetSize(self,size):
ifsize<self._current:     #如果缩小队列,应删除后面的元素foriinrange(size,self._current)[::-1]:
delself._content[i]
self._current=sizeself._size=size


3.对列的出队,入队

defput(self,v):         #入队ifself._current<self._size:
self._content.append(v)
self._current=self._current+1else:
print('The queue is full')
defget(self):           #出队ifself._content:
self._current=self._current-1returnself._content.pop(0)
else:
print('队列为空')


4.显示队列中所有元素

defshow(self):          #显示所有元素ifself._content:
print(self._content)
else:
print('队列为空')


5.判断队列是否为空,以及判断队列是否已满

defempty(self):
self._content=[]
defisEmpty(self):        #判断是否已满ifnotself._content:
returnTrueelse:
returnFalsedefisFull(self):         #判断是否为空ifself._current==self._size:
returnTrueelse:
returnFalse


6.验证NQueue类


类的实例化

q=NQueue()


验证队列类的功能

print('将队列元素出队:')
q.get()
q.put(12)
q.put(23)
print('将元素入队:')
q.show()
print('判断队列是否已满:',str(q.isFull()))
q.setSize(3)
print('判断队列重设后是否已满:',str(q.isFull()))
print('向队列添加新元素:')
q.put(53)
q.put(33)
q.show()


本文就唠到这里,动手实现起来吧.要做时不我待的行动者,只争朝夕的实干家.惟有苦干实干,远大的目标才能早日达成

目录
相关文章
|
7天前
|
算法 安全 大数据
揭秘!Python堆与优先队列:数据结构的秘密武器,让你的代码秒变高效战士!
【7月更文挑战第8天】Python的heapq模块和queue.PriorityQueue提供堆与优先队列功能,助你提升算法效率。堆用于快速找大数据集的第K大元素,如示例所示,时间复杂度O(n log k)。PriorityQueue在多线程中智能调度任务,如模拟下载管理器,按优先级处理任务。掌握这些工具,让代码运行更高效!
20 1
|
4天前
|
算法 Python
Python图论探索:从理论到实践,DFS与BFS遍历技巧让你秒变技术大牛
【7月更文挑战第11天】图论核心在于DFS与BFS。DFS深入探索,适用于找解空间;BFS逐层扩展,擅寻最短路径。
17 8
|
3天前
|
搜索推荐 Python
快速排序的 Python 实践:从原理到优化,打造你的排序利器!
【7月更文挑战第12天】Python的快速排序**以分治策略实现高效排序,平均时间复杂度$O(nlogn)$,优于$O(n^2)$的冒泡排序。基本实现通过选取基准元素分割数组,然后递归排序两部分。优化版使用随机基准避免最坏情况。对比显示优化后排序更稳定,适应不同数据集,提升程序性能。
13 4
|
3天前
|
算法 Python
逆袭之路!用 Python 玩转图的 DFS 与 BFS,让数据结构难题无处遁形
【7月更文挑战第12天】图的遍历利器:DFS 和 BFS。Python 中,图可表示为邻接表或矩阵。DFS 沿路径深入,回溯时遍历所有可达顶点,适合找路径和环。BFS 层次遍历,先近后远,解决最短路径问题。两者在迷宫、网络路由等场景各显神通。通过练习,掌握这些算法,图处理将游刃有余。
10 3
|
2天前
|
存储 算法 Python
“解锁Python高级数据结构新姿势:图的表示与遍历,让你的算法思维跃升新高度
【7月更文挑战第13天】Python中的图数据结构用于表示复杂关系,通过节点和边连接。常见的表示方法是邻接矩阵(适合稠密图)和邻接表(适合稀疏图)。图遍历包括DFS(深度优先搜索)和BFS(广度优先搜索):DFS深入探索分支,BFS逐层访问邻居。掌握这些技巧对优化算法和解决实际问题至关重要。**
9 1
|
4天前
|
API 开发者 Python
从理论到实践,Python asyncio库让你成为异步编程的王者!
【7月更文挑战第11天】Python的asyncio库助力异步编程,通过事件循环实现非阻塞并发。定义async函数,如`fetch_url`,用await处理异步操作。在main函数中,利用`asyncio.gather`并发执行任务。进阶应用涉及并发控制(如`asyncio.Semaphore`)和异常处理,使asyncio成为高并发场景下的得力工具。开始探索,掌握asyncio,成为异步编程专家!
14 3
|
3天前
|
存储 缓存 Python
Python中的列表(List)和元组(Tuple)是两种重要的数据结构
【7月更文挑战第12天】Python中的列表(List)和元组(Tuple)是两种重要的数据结构
6 1
|
5天前
|
存储 算法 调度
惊呆了!Python高级数据结构堆与优先队列,竟然能这样优化你的程序性能!
【7月更文挑战第10天】Python的heapq模块实现了堆和优先队列,提供heappush和heappop等函数,支持O(log n)时间复杂度的操作。优先队列常用于任务调度和图算法,优化性能。例如,Dijkstra算法利用最小堆加速路径查找。堆通过列表存储,内存效率高。示例展示了添加、弹出和自定义优先级元素。使用堆优化程序,提升效率。
15 2
|
8天前
|
监控 安全 数据库
逆天改命!用自定义上下文管理器,让你的Python代码效率飙升
【7月更文挑战第7天】Python上下文管理器简化资源管理,通过自定义实现优雅控制。使用with语句自动执行资源获取和释放,确保异常安全。例如,FileContextManager类通过__enter__打开文件,__exit__关闭并处理异常。自定义上下文管理器可封装重复逻辑,增强功能如日志和监控,提升代码效率与质量。利用这一工具,代码更简洁、高效且易于维护。**
12 1
|
8天前
|
程序员 数据库连接 Python
解锁Python新姿势:上下文管理器的自定义技巧,让你的编程之路更顺畅
【7月更文挑战第7天】Python上下文管理器简化资源管理,确保异常时资源正确释放。通过实现`__enter__`和`__exit__`或使用`contextmanager`装饰器自定义管理器。示例展示了类定义和装饰器方法。自定义管理器提升代码可读性,防止资源泄露,是高效编程的关键。**