数据结构线性表(一)(数据结构线性表的思维导图)
ztj100 2024-11-09 15:19 15 浏览 0 评论
一、什么是线性表
1、基本概念
线性表是具有相同特性的数据元素的一个有限序列。
所有数据元素类型相同。
线性表是有限个数据元素构成的。
线性表中数据元素与位置相关,即每个数据元素有唯一的序号。
线性表中每个元素ai的唯一位置通过序号或者索引i表示,为了算法设计方便,将逻辑序号和存储序号统一,均假设从0开始,这样含n个元素的线性表的元素序号i满足0≤i≤n-1。
2、线性表的抽象数据类型描述
3、线性表的顺序存储结构
(1)线性表的顺序存储结构—顺序表
data数组存放线性表元素
data数组的容量(存放最多的元素个数)为capacity。
线性表中实际数据元素个数size
(2)线性表基本运算算法在顺序表中的实现
在动态分配顺序表的空间时,初始容量设置为initcapacity,当添加或者插入元素可能需要扩大容量,在删除元素时可能需要减少容量。
整体建立顺序表:由含若干个元素的数组a的全部元素整体创建顺序表,即依次将a中的元素添加到data数组的末尾,当出现上溢出时按实际元素个数size的两倍扩大容量。
顺序表基本运算算法
将元素e添加的线性表末尾Add(e)
求线性表的长度getsize()
求线性表中序号为i的元素GetElem(i)
设置线性表中序号为i的元素SetElem(i,e)
求线性表中第一个值为e的元素的逻辑序号GetNo(e)
在线性表中插入e作为第i个元素Insert(i,e)
扩容运算resize()在n次插入中仅仅调用一次,其平摊时间为O(1),上述算法时间分析中可以忽略它。
在线性表中删除第i个数据元素Delete(i)
输出线性表所有元素display()
4、顺序表的应用算法设计示例
(1)基于顺序表基本操作的算法设计
练习1:对于含有n个整数元素的顺序表L,设计一个算法将其中所有元素逆置。
例如L=(1,2,3,4,5),逆置后L=(5,4,3,2,1)。并给出算法的时间复杂度和空间复杂度。
练习2:假设有一个整数顺序表L,设计一个算法用于删除从序号i开始的k个元素。
例如L=(1,2,3,4,5),删除i=1开始的k=2个元素后L=(1,4,5)。
(2)基于整体建立顺序表的算法设计
练习3:对于含有n个整数元素的顺序表L,设计一个算法用于删除其中所有值为x的元素。
例如L=(1,2,1,5,1),若x=1,删除后L=(2,5)。并给出算法的时间复杂度和空间复杂度。
(3)有序顺序表的算法设计
有序表是指按元素值或者某属性值递增或者递减排列的线性表,有序表是线性表的一个子集。
有序顺序表是有序表的顺序存储结构。
对于有序表可以利用其元素的有序性提高相关算法的效率,二路归并就是有序表的一种经典算法。
练习:有两个按元素值递增有序的整数顺序表A和B,设计一个算法将顺序表A和B的全部元素合并到一个递增有序顺序表C中。并给出算法的时间复杂度和空间复杂度。
二路归并:
算法中尽管有多个while循环语句,但恰好对顺序表A、B中每个元素均访问一次,所以时间复杂度为O(n+m) 。
算法中需要在临时顺序表C中添加n+m个元素,所以算法的空间复杂度也是O(n+m)。
二路归并中,若两个有序表的长度分别为n、m,算法的主要时间花费在元素比较上,那么比较次数是多少呢?
最好的情况下,整个归并中仅仅是较长表的第一个元素与较短表每个元素比较一次,此时元素比较次数为MIN(n,m)(为最少元素比较次数),如A=(1,2,3),B=(4,5,6,7,8),只需比较3次。
最坏的情况下,这n+m个元素均两两比较一次,比较次数为n+m-1(为最多元素比较次数),如A=(1,3,5,7),B=(2,4,6),需要比较6次。
相关推荐
- 再说圆的面积-蒙特卡洛(蒙特卡洛方法求圆周率的matlab程序)
-
在微积分-圆的面积和周长(1)介绍微积分方法求解圆的面积,本文使用蒙特卡洛方法求解圆面积。...
- python创建分类器小结(pytorch分类数据集创建)
-
简介:分类是指利用数据的特性将其分成若干类型的过程。监督学习分类器就是用带标记的训练数据建立一个模型,然后对未知数据进行分类。...
- matplotlib——绘制散点图(matplotlib散点图颜色和图例)
-
绘制散点图不同条件(维度)之间的内在关联关系观察数据的离散聚合程度...
- python实现实时绘制数据(python如何绘制)
-
方法一importmatplotlib.pyplotaspltimportnumpyasnpimporttimefrommathimport*plt.ion()#...
- 简单学Python——matplotlib库3——绘制散点图
-
前面我们学习了用matplotlib绘制折线图,今天我们学习绘制散点图。其实简单的散点图与折线图的语法基本相同,只是作图函数由plot()变成了scatter()。下面就绘制一个散点图:import...
- 数据分析-相关性分析可视化(相关性分析数据处理)
-
前面介绍了相关性分析的原理、流程和常用的皮尔逊相关系数和斯皮尔曼相关系数,具体可以参考...
- 免费Python机器学习课程一:线性回归算法
-
学习线性回归的概念并从头开始在python中开发完整的线性回归算法最基本的机器学习算法必须是具有单个变量的线性回归算法。如今,可用的高级机器学习算法,库和技术如此之多,以至于线性回归似乎并不重要。但是...
- 用Python进行机器学习(2)之逻辑回归
-
前面介绍了线性回归,本次介绍的是逻辑回归。逻辑回归虽然名字里面带有“回归”两个字,但是它是一种分类算法,通常用于解决二分类问题,比如某个邮件是否是广告邮件,比如某个评价是否为正向的评价。逻辑回归也可以...
- 【Python机器学习系列】拟合和回归傻傻分不清?一文带你彻底搞懂
-
一、拟合和回归的区别拟合...
- 推荐2个十分好用的pandas数据探索分析神器
-
作者:俊欣来源:关于数据分析与可视化...
- 向量数据库:解锁大模型记忆的关键!选型指南+实战案例全解析
-
本文较长,建议点赞收藏,以免遗失。更多AI大模型应用开发学习视频及资料,尽在...
- 用Python进行机器学习(11)-主成分分析PCA
-
我们在机器学习中有时候需要处理很多个参数,但是这些参数有时候彼此之间是有着各种关系的,这个时候我们就会想:是否可以找到一种方式来降低参数的个数呢?这就是今天我们要介绍的主成分分析,英文是Princip...
- 神经网络基础深度解析:从感知机到反向传播
-
本文较长,建议点赞收藏,以免遗失。更多AI大模型应用开发学习视频及资料,尽在...
- Python实现基于机器学习的RFM模型
-
CDA数据分析师出品作者:CDALevelⅠ持证人岗位:数据分析师行业:大数据...
你 发表评论:
欢迎- 一周热门
- 最近发表
- 标签列表
-
- idea eval reset (50)
- vue dispatch (70)
- update canceled (42)
- order by asc (53)
- spring gateway (67)
- 简单代码编程 贪吃蛇 (40)
- transforms.resize (33)
- redisson trylock (35)
- 卸载node (35)
- np.reshape (33)
- torch.arange (34)
- npm 源 (35)
- vue3 deep (35)
- win10 ssh (35)
- vue foreach (34)
- idea设置编码为utf8 (35)
- vue 数组添加元素 (34)
- std find (34)
- tablefield注解用途 (35)
- python str转json (34)
- java websocket客户端 (34)
- tensor.view (34)
- java jackson (34)
- vmware17pro最新密钥 (34)
- mysql单表最大数据量 (35)