Python中栈、队列与优先级队列的实现方法
前言
栈、队列和优先级队列都是非常基础的数据结构。Python作为一种“编码高效”的语言，对这些基础的数据结构都有比较好的实现。在业务需求开发过程中，不应该重复造轮子，今天就来看看些数据结构都有哪些实现。
0x00 栈(Stack)
栈是一种LIFO(后进先出)的数据结构，有入栈(push)、出栈(pop)两种操作，且只能操作栈顶元素。
在Python中有多种可以实现栈的数据结构。
1、list
list是Python内置的列表数据结构，它支持栈的特性，有入栈和出栈操作。只不过用list实现栈性能不是特别好。
因为list内部是通过一个动态扩容的数组来实现的。当增减元素时就有可能会触发扩容操作。如果在list的头部增减元素，也会移动整个列表。
如要使用list来实现一个栈的话，可以使用list的append()(入栈)、pop()(出栈)方法。
>>> s = []
>>> s.append('one')
>>> s.append('two')
>>> s.append(3)
>>> s
['one', 'two', 3]
>>> s.pop()
3
>>> s.pop()
'two'
>>> s.pop()
'one'
>>> s.pop()
IndexError: pop from empty list
2、collections.deque
deque类是一种双端队列。在Python中它就是一个双向列表，可以以常用时间在两端执行添加和删除元素的操作，非常高效，所以它既可以实现栈也可以实现队列。
如果要在Python实现一个栈，那么应该优先选择deque，而不是list。
deque的入栈和出栈方法也分别是append()和pop()。
>>> from collections import deque
>>> s = deque()
>>> s.append('eat')
>>> s.append('sleep')
>>> s.append('code')
>>> s
deque(['eat', 'sleep', 'code'])
>>> s.pop()
'code'
>>> s.pop()
'sleep'
>>> s.pop()
'eat'
>>> s.pop()
IndexError: pop from an empty deque
3、queue.LifoQueue
顾名思义，这个就是一个栈。不过它是线程安全的，如果要在并发的环境下使用，那么就可以选择使用LifoQueue。
它入栈和出栈操作是使用put()和get()，其中get()在LifoQueue为空时会阻塞。
>>> from queue import LifoQueue
>>> s = LifoQueue()
>>> s.put('eat')
>>> s.put('sleep')
>>> s.put('code')
>>> s
<queue.LifoQueue object at 0x109dcfe48>
>>> s.get()
'code'
>>> s.get()
'sleep'
>>> s.get()
'eat'
>>> s.get()
# 阻塞并一直等待直到栈不为空
0x01 队列(Queue)
队列是一种FIFO(先进先出)的数据结构。它有入队(enqueue)、出队(dequeue)两种操作，而且也是常数时间的操作。
在Python中可以使用哪些数据结构来实现一个队列呢？
1、list
list可以实现一个队列，但它的入队、出队操作就不是非常高效了。因为list是一个动态列表，在队列的头部执行出队操作时，会发生整个元素的移动。
使用list来实现一个队列时，用append()执行入队操作，使用pop(0)方法在队列头部执行出队操作。由于在list的第一个元素进行操作，所以后续的元素都会向前移动一位。因此用list来实现队列是不推荐的。
>>> q = []
>>> q.append('1')
>>> q.append('2')
>>> q.append('three')
>>> q.pop(0)
'1'
>>> q.pop(0)
'2'
>>> q.pop(0)
'three'
>>> q.pop(0)
IndexError: pop from empty list
2、collections.deque
从上文我们已经知道deque是一个双向列表，它可以在列表两端以常数时间进行添加删除操作。所以用deque来实现一个队列是非常高效的。
deque入队操作使用append()方法，出队操作使用popleft()方法。
>>> from collections import deque
>>> q = deque()
>>> q.append('eat')
>>> q.append('sleep')
>>> q.append('code')
>>> q
deque(['eat', 'sleep', 'code'])
# 使用popleft出队
>>> q.popleft()
'eat'
>>> q.popleft()
'sleep'
>>> q.popleft()
'code'
>>> q.popleft()
IndexError: pop from an empty deque
3、queue.Queue
同样地，如果要在并发环境下使用队列，那么选择线程安全的queue.Queue。
与LifoQueue类似，入队和出队操作分别是put()和get()方法，get()在队列为空时会一直阻塞直到有元素入队。
>>> from queue import Queue
>>> q = Queue()
>>> q.put('eat')
>>> q.put('sleep')
>>> q.put('code')
>>> q
<queue.Queue object at 0x110564780>
>>> q.get()
'eat'
>>> q.get()
'sleep'
>>> q.get()
'code'
# 队列为空不要执行等待
>>> q.get_nowait()
_queue.Empty
>>> q.put('111')
>>> q.get_nowait()
'111'
>>> q.get()
# 队列为空时，会一直阻塞直到队列不为空
4、multiprocessing.Queue
多进程版本的队列。如果要在多进程环境下使用队列，那么应该选择multiprocessing.Queue。
同样地，它的入队出队操作分别是put()和get()。get()方法在队列为空，会一直阻塞直到队列不为空。
>>> from multiprocessing import Queue
>>> q = Queue()
>>> q.put('eat')
>>> q.put('sleep')
>>> q.put('code')
>>> q
<multiprocessing.queues.Queue object at 0x110567ef0>
>>> q.get()
'eat'
>>> q.get()
'sleep'
>>> q.get()
'code'
>>> q.get_nowait()
_queue.Empty
>>> q.get()
# 队列为空时，会一直阻塞直到队列不为空
0x02 优先级队列(PriorityQueue)
一个近乎排序的序列里可以使用优先级队列这种数据结构，它能高效获取最大或最小的元素。
在调度问题的场景中经常会用到优先级队列。它主要有获取最大值或最小值的操作和入队操作。
1、list
使用list可以实现一个优先级队列，但它并不高效。因为当要获取最值时需要排序，然后再获取最值。一旦有新的元素加入，再次获取最值时，又要重新排序。所以并推荐使用。
2、heapq
一般来说，优先级队列都是使用堆这种数据结构来实现。而heapq就是Python标准库中堆的实现。heapq默认情况下实现的是最小堆。
入队操作使用heappush()，出队操作使用heappop()。
>>> import heapq >>> q = [] >>> heapq.heappush(q, (2, 'code')) >>> heapq.heappush(q, (1, 'eat')) >>> heapq.heappush(q, (3, 'sleep')) >>> q [(1, 'eat'), (2, 'code'), (3, 'sleep')] >>> while q: next_item = heapq.heappop(q) print(next_item) (1, 'eat') (2, 'code') (3, 'sleep')
3、queue.PriorityQueue
queue.PriorityQueue内部封装了heapq，不同的是它是线程安全的。在并发环境下应该选择使用PriorityQueue。
>>> from queue import PriorityQueue >>> q = PriorityQueue() >>> q.put((2, 'code')) >>> q.put((1, 'eat')) >>> q.put((3, 'sleep')) >>> while not q.empty(): next_item = q.get() print(next_item) (1, 'eat') (2, 'code') (3, 'sleep')
0x03 总结一下
很多基础的数据结构在Python中已经实现了的，我们不应该重复造轮子，应该选择这些数据结构来实现业务需求。
collections.deque是一种双向链表，在单线程的情况下，它可以用来实现Stack和Queue。而heapq模块可以帮我们实现高效的优先级队列。
如果要在多并发的情况下使用Stack、Queue和PriorityQueue的话，那么应该选用queue模块下类：
- 实现Stack的queue.LifoQueue
- 实现Queue的queue.Queue或multiprocessing.Queue
- 实现PriorityQueue的queue.PriorityQueue
- 以上这些类都有put()和get()方法，且get()会在栈/队列为空时阻塞。
0x04 学习资料
Python Tricks: A Buffet of Awesome Python Features
——Dan Bader
好了，以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，谢谢大家对脚本之家的支持。
相关文章
众所周知，B站有很多有趣的UP主，可以教大家一些"实用"的知识，但是他们一般都没有固定的更新时间。因此，本文将用Python编写一个脚本，自动监控UP是否更新了视频，感兴趣的可以了解一下2022-03-03
这篇文章主要介绍了如何在双python下设置python3为默认，本文通过一个例子分步骤给大家介绍的非常详细，具有一定的参考借鉴价值,需要的朋友可以参考下2018-10-10
Django Serializer HiddenField隐藏字段实例
这篇文章主要介绍了Django Serializer HiddenField隐藏字段实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-03-03
Python第三方库undetected_chromedriver的使用
这篇文章主要给大家介绍了关于Python第三方库undetected_chromedriver的使用方法,文中通过实例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2023-01-01
本文主要介绍了解析django的csrf跨站请求伪造，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2022-08-08
下面小编就为大家带来一篇Python入门_浅谈数据结构的4种基本类型。小编觉得挺不错的，现在就分享给大家，也给大家做个参考。一起跟随小编过来看看吧2017-05-05
这篇文章主要介绍了python常用的时间模块之datetime模块,本文通过示例代码给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下2023-05-05
这篇文章主要介绍了Python实现迪杰斯特拉算法过程解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2020-09-09
打包FlaskAdmin程序时关于static路径问题的解决
近期写了个基于Flask-admin的数据库管理程序，通过pyinstaller打包，给别人用，经过几次尝试，打包的数据一直找不到static里面的样式文件，查阅资料后，最总把问题搞定了。写下处理流程，供后来人参考2021-09-09
XGBoost（Extreme Gradient Boosting）是一种高效且广泛使用的集成学习算法,它属于梯度提升树（GBDT）模型的一种改进,本文将结合实际案例,详细介绍如何在Python中使用XGBoost算法进行模型训练和预测,需要的朋友可以参考下2024-08-08
最新评论