4-1 Python常用内置算法与数据结构常考题

一、你使用过哪些常用内置算法和数据结构

仔细回想一下你用过哪些内置的算法数据结构？
1.sorted
2.dict/list/set/tuple…
3.问题：想的不全或者压根没了解和使用过

数据结构/算法	语言内置	内置库
线性结构	list(列表)/tuple(元组)	array(数组，不常用)/collecions.namedtuple
链式结构		collections.deque(双端队列)
字典结构	dict(字典)	collections.Counter(计数器)/OrderedDict(有序字典)
集合结构	set(集合)/fronzenset(不可变集合)
排序算法	sorted
二分算法		bisect模块
堆算法		heapq模块
缓存算法		functools.lru_cache(Least Recent Used, python3)

二、有用过collections模块吗

collections模块提供了一些内置数据结构的扩展

方法名	解释
namedtuple()	factory function for creating tuple subclasses with named fields
deque	list-like container with fast appends and pops on either end
Counter	dict subclass for counting hashable objecs
OrderedDict	dict subclass that remembers the order entries were added
defaultdict	dict subclass that calls a factory function to supply missing values

namedtuple代码示例：

import collections

Point = collections.namedtuple('Point', 'x, y')
p = Point(1, 2)
print(p.x)  # 1
print(p.y)  # 2

print(p[0])  # 1
print(p[1])  # 2
print(p[2])  # IndexError: tuple index out of range
print(p.x == p[0])  # True

说明：namedtuple让tuple属性可读

deque代码示例：

import collections

de = collections.deque()

de.append(1)   		# 往右边添加值
de.appendleft(0)  	# 往左边添加值
print(de)  			# deque([0, 1])

de.pop()  			# 1  取右边的值
de.popleft() 		# 0  取左边的值

说明：deque可以方便地实现queue/stack

Counter代码示例：

import collections

c = collections.Count('abcab)

print(c)  			# Counter({'a': 2, 'b': 2, 'c': 1})
print(c['a'])  		# 2

print(c.most_common())  # [('a', 2), ('b', 2), ('c', 1)]  从大到小获取每一个的数量

说明：需要计数器的地方使用Counter

OrderedDict代码示例：

import collections

od = collections.OrderedDict()
od['c'] = 'c'
od['a'] = 'a'
od['b'] = 'b'

print(list(od.keys())   # ['c', 'a', 'b']

说明：
OrderedDict的key顺序是第一次插入的顺序。
使用OrderedDict还可以实现LRUCache。

defaultdict代码示例：

import collections

dd = collections.defaultdict(int)

print(dd['a'])  # 0  当不存在时，会返回一个默认值，因为上面定义的 int 类型，所以默认值为 0

dd['b'] += 1
print(dd)  # defaultdict(int, {'a': 0, 'b': 1})

说明：defaultdict是带有默认值的字典

三、Python dict底层结构

dict底层使用的是哈希表
1.为了支持快速查找使用了哈希表作为底层结构
2.哈希表平均查找时间复杂度O(1)
3.cpython解释器使用二次探查解决哈希冲突问题

注意：哈希冲突和扩容是常考题
解决哈希冲突通常有两种：
1）、链接法
2）、探查法：分为线性探查和二次探查等

四、Python list/tuple区别

list VS tuple
1.都是线性结构，支持下标访问
2.list是可变对象，tuple是不可变对象
3.list没没作为字典的 key，tuple可以（可变对象不可 hash)

注意，如何tuple里包含list，则里面这个list是可以改变的

代码示例：

t = ([1, 2], 3, 4)
t[0].append(5)
print(t)  # ([1, 2, 5], 3, 4)

保存的引用不可变指的是：你没法替换掉这个对象，但是如果对应那个本身是一个可变对象，是可以修改这个引用指向的可变对象的。

五、什么是 LRUCache?

Least-Recently-Used替换掉最近最少使用的对象
1.缓存剔除策略，当缓存空间不够用的时候需要一种方式剔除key
2.常见的有 LRU, LFU等
3.LRU通过使用一个循环双端队列不断把最新访问的key放到表头实现

六、如何实现LRUCache

字典用来缓存，循环双端链表用来记录访问顺序
1.利用Python内置的dict + collections.OrderedDict实现
2.dict用来当做 k/v键值对的缓存
3.OrderedDict用来实现更新最近访问的 key

代码示例：

from collections import OrderedDict

class LRUCache:

	def __init__(self, capacity=128):
		self.od = OrderedDict()
		self.capacity = capacity   # 最大容量

	def get(self, key):		# 每次访问更新最新使用的 key
		if key in self.od:
			val = self.od[key]
			self.od.move_to_end(key)   # 移动元素到表头
			return val
		else:
			return -1

	def put(self, key, value):		# 更新 key/value
		if key in self.od:
			del self.od[key]
			self.od[key] = value	# 更新 key 到表头，所以上一句要先删除这个key里的value
		else:		# insert
			self.od[key] = value

			# 判断当前容量是否已经满了
			if len(self.od) > self.capacity:
				self.od.popitem(last=False)  # 删除最早的 key/value
			

请大家自己实现LRUCache，并编写单元测试