python怎么删除列表中字典 有哪些用Python语言讲算法和数据结构的书？
有哪些用Python语言讲算法和数据结构的书？
《用Python解决数据结构与算法问题》，一本免费的算法书，强烈推荐。学习Python语法和API是远远不够的。掌握算法和数据结构这些永不过时的核心技能，是决定一个程序员的关键因素。;的职业发展。算法和数据结构对于职业程序员来说非常重要。对于同一个问题，不同算法的效率千差万别。问题规模小的时候你可能感觉不到，但是一旦数据上升到TB级别，两者的差距就像西瓜和芝麻的区别。
举个简单的例子:我们要计算前n个整数的和，你想到的第一个算法可能是迭代。代码很直观，初学者也能读懂，就是从1到n，得到最后的结果。这个算法的效率随着n的增加而变化，时间复杂度为O(n)，线性时间大O表示最坏情况下的运行时间。
试想，当这个数字足够大的时候，花费的时间将是不可估量的。当然，比线性时间差的算法还有很多。当然最后还是有一个理想的算法，就是恒水平，O(1)恒水平复杂度。也就是说，程序的运行时间与要处理的数据大小无关。
如果前n个整数的和是用数学方程而不是迭代计算的，其复杂度为O(1)。很荣幸回答你的问题。以下是这本书的目录。希望对你有帮助！
如何理解Python中的集合和字典？
字典和集合是高度优化的数据结构，特别是对于查找、添加和删除操作。本节将通过示例介绍它们在特定场景中的性能，并将它们与列表等其他数据结构进行比较。
例如，有一个存储产品信息(产品ID、名称和价格)的列表，现在的需求是借助产品ID找出价格。实现代码如下:
定义查找_产品_价格(产品，product_id):
对于身份证，价格在products:
如果我是product_id:
退货价格
不返回
产品[
(111, 100),
(222, 30),
(333, 150)
]
打印(产品222的价格是{}。格式(find_product_price(products，222)))
运行结果如下:
产品222的价格是30英镑
在上述程序的基础上，如果链表有n个元素，因为检查搜索过程需要遍历列表，所以最坏情况下的时间复杂度是O(n)。即使先对列表进行排序，再使用二分搜索法算法，也要O(logn)时间复杂度，更不用说O(nlogn)时间对列表进行排序了。
但是如果用字典来存储这些数据，那么查找会非常方便高效，而且可以用O(1)的时间复杂度来完成，因为不需要遍历字典，直接通过键的哈希值就可以找到对应的值。实现代码如下:
产品{
111: 100，
222: 30，
333: 150
}
打印(产品222的价格是{}。格式(产品[222])
运行结果如下:
产品222的价格是30英镑
有些读者可能对时间复杂性没有直观的理解。它不 没关系。我再给你举个例子。在下面的代码中，初始化100，000个元素的产品，分别计算使用list和set统计产品价格数量的运行时间:
#统计时间需要使用时间模块中的函数，就知道了。
导入时间
def find_unique_price_using_list(products):
唯一价格列表[]
对于_，products:的价格# A
如果价格不在unique_pric: # B
唯一价格(价格)
return len(唯一价格列表)
id[范围(0，100000)中x的x]
价格[x对x，在范围(200000，300000)内]
产品列表(邮政编码(id，价格))
#计算列表版本的时间
start_using_list _counter()
查找_唯一_价格_使用_列表(产品)
end_using_list _count: { }打印(经过的时间)。格式(end_using_list - start_using_list))
#使用集合做同样的工作
def find_unique_price_using_set(products):
unique_price_set集合()
对于_，products:的价格
唯一价格(价格)
return len(唯一价格集)
#计算集合版本的时间
启动使用设置计数器()
查找_唯一_价格_使用_集合(产品)
end_using_set _count: { }打印(经过的时间)。格式(结束使用设置-开始使用设置)
运行结果如下:
使用list: 68的时间流逝。56866 . 66666666667
使用s: 0.01表示时间流逝。58660.08888888861
可见两者在只有10万条数据的情况下，速度相差如此之大。而企业的后台数据往往是几亿甚至几十亿的量级。因此，如果使用不合适的数据结构，很容易导致服务器崩溃，不仅影响用户体验，还会给公司带来巨大的财产损失。
那么，为什么字典和收藏的效率如此之高，尤其是查找、插入和删除的操作？
字典和收藏的工作原理。
字典和集合的效率与其内部数据结构密切相关。与其他数据结构不同，字典和集合的内部结构是哈希表:
对于字典来说，这个表存储三个元素:散列、键和值。
对于集合，哈希表中只存储一个元素。
对于以前版本的Python，其哈希表结构如下:
|哈希值(哈希)键值(值)
。|...
0 |哈希0键0值0
。|...
1 | hash1 k:·迈克，多比科 1999-01-01，g:男}
然后，它将以类似于下面的形式存储:
条目[
[ - , - , - ]
[-230273521，出生日期，1999年1月1日]，
[ - , - , - ],
[ - , - , - ],
[1231236123，姓名，迈克]，
[ - , - , - ],
[9371539127，性别，男]
]
显然，这是对存储空间的极大浪费。为了提高存储空间的利用率，目前的哈希表除了字典本身的结构之外，还会将索引与哈希值、键和值分开，就是下面这种结构:
指数
-
无|索引|无|无|索引|无|索引...
-
进入
-
哈希0键0值0
-
hash1 key1值1
-
hash2键2值2
-
...
-
在此基础上，上述字典在新哈希表结构下的存储形式为:
索引[无，1，无，无，0，无，2]
条目[
[1231236123，姓名，迈克]，
[-230273521，出生日期，1999年1月1日]，
[9371539127，性别，男]
]
通过对比可以发现，空间利用率有了很大的提高。
明确具体的设计结构，然后分析如何使用哈希表完成数据的插入、查找和删除。
哈希表插入数据
在向字典中插入数据时，Python会先根据键(通过hash(key)函数)计算出相应的哈希值，而在向集合中插入数据时，Python会根据元素本身(通过hash (value)函数)计算出相应的哈希值。
例如:
dic {nam:1}
打印(哈希(名称))
s《哈希表详解》一节中详细了解。
哈希表查找数据
在哈希表中查找数据类似于插入操作。Python会根据哈希值找到元素在哈希表中应该存放的位置，然后将其哈希值和key与该位置的元素进行比较(集合直接比较元素值):
如果它们相等，就证明找到了；
另一方面证明了元素存储的时候遇到了哈希，需要继续用原来的方法解决哈希，直到找到元素或者找到空位。
这里发现的空白意味着目标元素没有存储在哈希表中。
哈希表删除元素
对于删除操作，Python会临时给这个位置的元素赋一个特殊值，然后在哈希表调整大小时删除它。
应该注意的是，哈希的发生通常会降低字典和集合操作的速度。因此，为了保证其效率，集合中的字典和哈希表通常会保证至少留有1/3的剩余空间。随着元素的不断插入，当剩余空间不足1/3时，Python会重新获得更多的内存空间并扩展哈希表，同时表中所有的元素位置都会重新排出。
版权声明：本文内容由互联网用户自发贡献，本站不承担相关法律责任.如有侵权/违法内容,本站将立刻删除。
