码迷,mamicode.com
首页 > 编程语言 > 详细

Python 第八章笔记

时间:2017-06-22 00:23:55      阅读:244      评论:0      收藏:0      [点我收藏+]

标签:move   deque   ogr   优先   htm   upd   arp   弱引用   ide   

第八章总结

8.5. heapq — 堆队列算法

有8个算法

方法
heappush
heappop
heappushpop
heapreplace
heapify
merge
nlargest
nsmallest
  • 最小堆封装
# 最小堆封装
from heapq import *
import pprint
class MinHeap:
    def __init__(self, iterable):
        self._iteralbe = []
        self._max = 1000
        self.linearpush(iterable)
    # 添加
    def push(self, item):
        heappush(self._iteralbe, item)
    # 弹出
    def pop(self):
        res = None
        try:
            res = heappop(self._iteralbe)
        except Exception as e:
            pprint.pprint(e)
        return res
    # 一个组合动作,先添加后弹出
    def pushpop(self, item):
        res = None
        try:
            res = heappushpop(self._iteralbe, item)
        except Exception as e:
            pprint.pprint(e)
        return res
    # 一个组合动作,先弹出再添加
    def replace(self, item):
        res = None
        try:
            res = heapreplace(self._iteralbe, item)
        except Exception as e:
            pprint.pprint(e)
        return res
    # 线性将列表加入到堆中,并且将原来的列表设置成堆
    def linearpush(self, iterable):
        for it in iterable:
            self._iteralbe.append(it)
        heapify(self._iteralbe)
    # 将所有列表合并到堆中
    def mergeAll(self, *iterables):
        arrs = [sorted(x) for x in iterables]
        arrs.append(self._iteralbe)
        self._iteralbe = list(merge(*tuple(arrs)))
    # 返回n个最大值
    def nlagrge(self, n):
        if n == 1:
            return max(self._iteralbe)
        l = len(self._iteralbe)
        if l != 0:
            if l < self._max:
                return nlargest(n, self._iteralbe)
            else:
                return sorted(self._iteralbe, reversed=True)[:n]
        return None
    # 返回n个最小值
    def nsmall(self, n):
        if n == 1:
            return self.getMin()
        l = len(self._iteralbe)
        if l != 0:
            if l < self._max:
                return nsmallest(n, self._iteralbe)
            else:
                return sorted(self._iteralbe)[:n]
        return None
    # 返回最小值
    def getMin(self):
        if len(self._iteralbe) == 0:
            return None
        else:
            return self._iteralbe[0]
a = [10, 2, 9, 4, 3, 5, 8, 6, 7, 1]
heap = MinHeap(a)
print("最小值是 {0}".format(heap.getMin()))
print("先添加后弹出是 {0}".format(heap.pushpop(0)))
print("先弹出后添加是 {0}".format(heap.replace(0)))
print("最小值是 {0}".format(heap.pop()))
print("前20个最大值是 {0}".format(heap.nlagrge(20)))
print("前2个最小值是 {0}".format(heap.nsmall(2)))
heap.mergeAll([8, 2, 4], [9, 10, -1])
print("合并之后的最小值是 {0}".format(heap.getMin()))

执行后的效果如下:

技术分享

  • 实现优先队列
# 优先队列封装
import itertools
class priority_deque:
    def __init__(self):
        self.deque = []
        self.entry_findeer = {}
        self.conter = itertools.count()  # 用来处理优先级相同的任务
    def add_task(self, task, priority= 0):
        if task in self.entry_findeer:
            self.remove_task(task)
        count = next(self.conter)
        entry = [priority, count, task]
        self.entry_findeer[task] = entry
        heappush(self.deque, entry)
    def remove_task(self, task):
        if task in self.entry_findeer:
            self.entry_findeer.pop(task)
    def pop_task(self):
        while self.deque:
            return heappop(self.deque)
deque = priority_deque()
deque.add_task("第一个任务")
deque.add_task("第二个任务")
print(deque.pop_task())
print(deque.pop_task())

8.6.bisect — 数组分割算法

有6个函数

函数
biset_left
biset_right/biset
insort_left
insort_right/insort

实现

import bisect
def index(a, x):
    ‘Locate the leftmost value exactly equal to x‘
    i = bisect.bisect_left(a, x)
    if i != len(a) and a[i] == x:
        return i
    raise ValueError
def find_lt(a, x):
    ‘Find rightmost value less than x‘
    i = bisect.bisect_left(a, x)
    if i:
        return a[i-1]
    raise ValueError
def find_le(a, x):
    ‘Find rightmost value less than or equal to x‘
    i = bisect.bisect_right(a, x)
    if i:
        return a[i-1]
    raise ValueError
def find_gt(a, x):
    ‘Find leftmost value greater than x‘
    i = bisect.bisect_right(a, x)
    if i != len(a):
        return a[i]
    raise ValueError
def find_ge(a, x):
    ‘Find leftmost item greater than or equal to x‘
    i = bisect.bisect_left(a, x)
    if i != len(a):
        return a[i]
    raise ValueError

8.7. array - 高效的数值数组

参见列表

常用的函数包括:

函数描述
array
itemsize
append
count
extend(iterable)
index(x)
insert(i, x)
pop([i])
remove(x)
reverse()
tolist()
tobytes()
tounicode()

8.8. weakref - 弱参考

弱引用的主要用途是实现持有大对象的高速缓存或映射,其中希望大对象不会因为它出现在高速缓存或映射中而保持活着。

8.9. types - 内建类型的动态类型创建和名称

动态创建新类型

import types
# Methods
def __init__(self, name, shares, price):
    self.name = name
    self.shares = shares
    self.price = price
def cost(self):
    return self.shares * self.price
cls_dict = {
    ‘__init__‘ : __init__,
    ‘cost‘ : cost,
}
Stock = types.new_class(‘Stock‘, (), {}, lambda ns: ns.update(cls_dict))
Stock.__module__ = __name__
s = Stock(‘ACME‘, 50, 91.1)
print(s.cost())

注意

__module__属性代表着是从哪个模块导入进行来的,向上面那样设置以后,Stock.__module__就变成__main__

参考文章

8.10. copy - 浅和深复制操作

  • copy:浅拷贝
  • deepcopy:深拷贝
  • copy.error:引发模块特定错误。

注意两者的区别,区别在于所拷贝对象里面是否还有比较复杂的数据结构,否则两者是一样。

8.11. pprint - 数据漂亮打印机

pprint.pprint(object, stream=None, indent=1, width=80, depth=None, *, compact=False)

如果 stream 为 None,使用 sys.stdout,indent为缩进,width为宽度,depth为深度。

Python 第八章笔记

标签:move   deque   ogr   优先   htm   upd   arp   弱引用   ide   

原文地址:http://www.cnblogs.com/George1994/p/7062011.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!