【数据结构实践】手把手带你实现 Python 自定义数组

简介: 无论是任何语言,数组或者类似数组的数据结构永远是计算机编程语言不可或缺的基本数据结构,有了数组的存在更有利于我们的程序对数据的存储和操作.本文将从面向对象的入手,实现自定义数组类,实现数组的基本操作和运算等功能1、数组(Array)是有序的元素序列。若将有限个类型相同的变量的集合命名,那么这个名称为数组名。2、组成数组的各个变量称为数组的分量,也称为数组的元素,有时也称为下标变量。3、用于区分数组的各个元素的数字编号称为下标。数组是在程序设计中,为了处理方便, 把具有相同类型的若干元素按有序的形式组织起来的一种形式。这些有序排列的同类数据元素的集合称为数组。也就是说数组是存储相同类型数据

引言


无论是任何语言,数组或者类似数组的数据结构永远是计算机编程语言不可或缺的基本数据结构,有了数组的存在更有利于我们的程序对数据的存储和操作.本文将从面向对象的入手,实现自定义数组类,实现数组的基本操作和运算等功能


数组的定义


1、数组(Array)是有序的元素序列。若将有限个类型相同的变量的集合命名,那么这个名称为数组名。

2、组成数组的各个变量称为数组的分量,也称为数组的元素,有时也称为下标变量。

3、用于区分数组的各个元素的数字编号称为下标。数组是在程序设计中,为了处理方便, 把具有相同类型的若干元素按有序的形式组织起来的一种形式。这些有序排列的同类数据元素的集合称为数组。也就是说数组是存储相同类型数据的集合


什么是面向对象


面向对象是一种软件开发方法,面向对象的概念和应用已经超越了程序设计和软件开发。面向对象中的对象,通常是指客观世界中存在的对象,这个对象具有唯一性,对象之间各不相同,各有各的特点,每一一个对象都有运动的规律和内部状态。对象与对象之间是可以相互联系、相互作用的。另外,对象也可以是一个抽象的事物。

1、对象( Object): -一个抽象概念,表示任意存在的事物。现实世界中,随处可见的一一种事物就是对象,对象是事物存在的实体。对象通常被划分为两个部分,即静态部分与动态部分。 静态部分通常被称为这个对象的属性,任何对象都具有自身属性,这些属性不仅是客观存在的。而且是不能被忽略的,如人的姓名,年龄等等。动态部分指的是对象的行为,即对象执行的动作,如人可以跑步。

2、类(Class):封装对象的属性和行为的获体。反过来说,具有相同属性和行为的一类实体被称为类。


Python中类的定义如下:

classClassName:#类名使用大驼峰法,即首字母大写#类的语句块如类的成员属性...
类的方法...

当我们创建完类之后,接着就是类的使用,使用前需要对类进行实例化


比如有个Dog类

classDog:
def__init__(self, name):
self.name=name# 类的实例化如下d1=Dog("小北")


面向对象程序设计的特点:封装、继承和多态


封装:面向对象编程的核心,也是将对象的属性和行为封装起来的载体。类通常会对客尸隐臧其实现细节,这就是封装的思想。封装通过限制只有特定类的对象,访问这一 特定类的成员,而它们通常利用接口实现消息的传人和传出。采用封装思想保证了类的内部数据结构的完整性,使用该类的用户不能直接看到类中的数据结构,而只能执行类允许公开的数据,这样就可以避免外部对内部数据的影响,提高了程序的可维护性。

继承:在某种情况下,一个类会有子类,子类比原本的类要更加具体化。例如,犬这个类会有它的子类--拉布拉多犬,猎犬和泰迪犬等。“小北”可能就是哈士奇犬的一个实例。 子类会继承父类的属性和行为,并且也包含它们自己的特有属性。我们假设犬类有一个行为叫作吠叫,还有一一个属性叫作毛色,它的子类会继承这些行为和属性。综上所述,继承是实现重复利用的重要手段, 子类通过继承, 复用了父类的实现和行为,同时又添加了子类特有的属性和行为。


多态:由继承产生的不同的类,其对象对同一消息会做出不同的响应。子类继承父类特征的同时,也具备了自己的特征,并且能够实现不同的效果,这就是多态化结果。

这里只是简单唠唠面向对象的基本概念。我之前写过的一篇文章《梦回战国,领略两千多年前公孙龙如何将面向对象运用得炉火纯青》有关于面向对象的详细介绍,感兴趣的同学可参考参考。


自定义数组的实现步骤


网络异常,图片无法展示
|


使用python实现自定义数组,以及实现数组中的各种运算:

  1. 保证输入值为数字元素,通过isinstance()函数判断数据类型
  2. 初始化__init__函数,对输入的数据进行存储
  3. 重构数组的运算方法
  4. 添加数组类的类方法


代码实现


创建MyNArrays类,以及定义元素类过滤方法

classMyNArrays:
#过滤非数字类型的元素def___isNumber(self, n):
ifnotisinstance(n,(int,float,complex)):
returnFalsereturnTrue#类属性等初始化def__init__(self,*args):
ifnotargs:
self.__value= []
else:
forarginargs:
ifnotself.___isNumber(arg):
print('All elements must be numbers')
returnself.__value=list(args)
@propertydefgetValue(self):
returnself.__value#析构函数,释放内部封装的列表def__del__(self):
delself.__value#重载运算符+def__add__(self, other):
#数组中每个元素都与数字other相加,或者两个数组相加,会得到一个新数组ifself.___isNumber(other):
#数组与数字other相加b=MyNArrays()
b.__value= [item+otherforiteminself.__value]
returnbelifisinstance(other,MyNArrays):
#两个数组对应元素相加if (len(other.__value) ==len(self.__value)):
c=MyNArrays()
c.__value= [i+jfori,jinzip(self.__value,other.__value)]
returncelse:
print('Lenght no equal')
else:
print('Not supported')
#重载运算符-def__sub__(self, other):
# 数组元素与数字other做减法,得到一个新数组pass#重载运算符*def__mul__(self, other):
#数组元素与数字other做乘法,或者两个数组相乘,得到一个新数组passdef__truediv__(self, other):
passdef__floordiv__(self, other):
passdef__pow__(self, power, modulo=None):
passdef__mod__(self, other):
pass#重载数组len,支持对象直接使用len()方法def__len__(self):
returnlen(self.__value)
#支持使用print()函数查看对象的值def__str__(self):
returnstr(self.__value)
def__contains__(self, n):
ifninself.__value:
returnTruereturnFalsedefdot(self,v):
ifnotisinstance(v,MyNArrays):
print('must be an instance of MyNArrays.')
returniflen(v)!=len(self.__value):
print('size must be equal.')
returnreturnsum([i*jfori,jinzip(self.__value,v.__value)])
#让本类具有修改数组元素的功能def__setitem__(self, key, value):
length=len(self.__value)
ifisinstance(key,int) and0<=key<length:
self.__value[key]=valueelse:
return'index error'#获取数组元素   def__getitem__(self, key):
length=len(self.__value)
ifisinstance(key, int) and0<=key<length:
returnself.__value[key]
else:
return'index error'#向数组中添加元素   defappend(self,n):
ifisinstance(n,(int,float)):
self.__value.append(n)
else:
print('isinstance error')
def__repr__(self):
returnrepr(self.__value)


注:重载运算中用到zip()函数用于将可迭代对象作为参数,将对象中对应的元素打包成元组,然后返回由这些元组组成的列表


完成了自定义数组类的定义.接下来就是对类的调用.是骡子是马拉出来溜溜


创建数组:

a=MyNArrays(1,2,3,4,5,6)
b=MyNArrays(7,8,9,10,11,12)
print('数组a:',a)
print('数组b:',b)


执行结果:

数组a: [1, 2, 3, 4, 5, 6]
数组b: [7, 8, 9, 10, 11, 12]


数组的运算:

print('a+b:',a+b)
print('a和b的内积为:', a.dot(b))

执行结果:

a+b: [8, 10, 12, 14, 16, 18]
a和b的内积为: 217


数组的增删改查操作

print('2是否为a的元素:',2ina)
a.append(17)
print('a添加元素17:',a)
print('查看a的第3各元素值:',a[2])
a[6]=15print('修改最后一项值为15:',a)


执行结果:

2是否为a的元素: True
a添加元素17: [1, 2, 3, 4, 5, 6, 17]
查看a的第3各元素值: 3
修改最后一项值为15: [1, 2, 3, 4, 5, 6, 15]
目录
相关文章
|
6天前
|
Python
深入理解Python装饰器:从入门到实践####
本文旨在通过简明扼要的方式,为读者揭开Python装饰器的神秘面纱,从基本概念、工作原理到实际应用场景进行全面解析。不同于常规的摘要仅概述内容概要,本文将直接以一段精炼代码示例开篇,展示装饰器如何优雅地增强函数功能,激发读者探索兴趣,随后深入探讨其背后的机制与高级用法。 ####
35 11
|
3天前
|
机器学习/深度学习 人工智能 TensorFlow
人工智能浪潮下的自我修养:从Python编程入门到深度学习实践
【10月更文挑战第39天】本文旨在为初学者提供一条清晰的道路,从Python基础语法的掌握到深度学习领域的探索。我们将通过简明扼要的语言和实际代码示例,引导读者逐步构建起对人工智能技术的理解和应用能力。文章不仅涵盖Python编程的基础,还将深入探讨深度学习的核心概念、工具和实战技巧,帮助读者在AI的浪潮中找到自己的位置。
|
28天前
|
存储 算法 C语言
通义灵码在考研C语言和数据结构中的应用实践 1-5
通义灵码在考研C语言和数据结构中的应用实践,体验通义灵码的强大思路。《趣学C语言和数据结构100例》精选了五个经典问题及其解决方案,包括求最大公约数和最小公倍数、统计字符类型、求特殊数列和、计算阶乘和双阶乘、以及求斐波那契数列的前20项和。通过这些实例,帮助读者掌握C语言的基本语法和常用算法,提升编程能力。
|
3天前
|
设计模式 缓存 开发框架
Python中的装饰器:从入门到实践####
本文深入探讨了Python中装饰器的工作原理与应用,通过具体案例展示了如何利用装饰器增强函数功能、提高代码复用性和可读性。读者将学习到装饰器的基本概念、实现方法及其在实际项目开发中的实用技巧。 ####
15 3
|
6天前
|
机器学习/深度学习 数据采集 数据可视化
Python在数据科学中的应用:从入门到实践
本文旨在为读者提供一个Python在数据科学领域应用的全面概览。我们将从Python的基础语法开始,逐步深入到数据处理、分析和可视化的高级技术。文章不仅涵盖了Python中常用的数据科学库,如NumPy、Pandas和Matplotlib,还探讨了机器学习库Scikit-learn的使用。通过实际案例分析,本文将展示如何利用Python进行数据清洗、特征工程、模型训练和结果评估。此外,我们还将探讨Python在大数据处理中的应用,以及如何通过集成学习和深度学习技术来提升数据分析的准确性和效率。
|
4天前
|
存储 JSON API
如何自定义Python环境变量?
如何自定义Python环境变量?
17 3
|
5天前
|
数据采集 IDE 测试技术
Python实现自动化办公:从基础到实践###
【10月更文挑战第21天】 本文将探讨如何利用Python编程语言实现自动化办公,从基础概念到实际操作,涵盖常用库、脚本编写技巧及实战案例。通过本文,读者将掌握使用Python提升工作效率的方法,减少重复性劳动,提高工作质量。 ###
18 1
|
6天前
|
机器学习/深度学习 数据采集 人工智能
探索机器学习:从理论到Python代码实践
【10月更文挑战第36天】本文将深入浅出地介绍机器学习的基本概念、主要算法及其在Python中的实现。我们将通过实际案例,展示如何使用scikit-learn库进行数据预处理、模型选择和参数调优。无论你是初学者还是有一定基础的开发者,都能从中获得启发和实践指导。
17 2
|
9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
图论在数据结构与算法中占据重要地位,应用广泛。本文通过Python代码实现深度优先搜索(DFS)和广度优先搜索(BFS),帮助读者掌握图的遍历技巧。DFS沿路径深入搜索,BFS逐层向外扩展,两者各具优势。掌握这些技巧,为解决复杂问题打下坚实基础。
21 2
|
9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!
本文介绍了 Python 中的快速排序算法,从基本原理、实现代码到优化方法进行了详细探讨。快速排序采用分治策略,通过选择基准元素将数组分为两部分,递归排序。文章还对比了快速排序与冒泡排序的性能,展示了优化前后快速排序的差异。通过这些分析,帮助读者理解快速排序的优势及优化的重要性,从而在实际应用中选择合适的排序算法和优化策略,提升程序性能。
23 1