Python常用队列全面详细梳理
目录
一，队列
二，常见队列
1，FIFO队列
2，LIFO队列
3，双向队列
4，优先级队列
5，循环队列
一，队列和栈一样，队列是一种特殊的线性表，特殊之处在于它只允许在表的前端（front）进行删除操作，而在表的后端（rear）进行插入操作。队列是一种操作受限制的线性表，进行插入操作的端称为队尾，进行删除操作的端称为队头。队列中没有元素时，称为空队列。
二，常见队列 1，FIFO队列基本FIFO队列 先进先出 FIFO即First in First Out,先进先出。
调用queue.Queue
from queue import Queue
fifo_queue = Queue()
fifo_queue.put(1) # 队尾插入新元素
fifo_queue.put(2)
fifo_queue.put(3)
print(fifo_queue.queue)
print(fifo_queue.get()) # 队头取出元素
print(fifo_queue.queue)
链表实现
class LNode(object):
def __init__(self, item, next_=None):
self.item = item
self.next = next_
class FIFOQueue(object):
def __init__(self):
"""初始化"""
self.head = None
self.rear = None
def is_empty(self):
"""判断是否为空"""
return self.head is None
def size(self):
"""获取队列长度"""
cur = self.head
count = 0
while True:
count += 1
if cur == self.rear:
break
cur = cur.next
return count
def travel(self):
"""遍历队列"""
if self.is_empty():
print('queue is empty')
return
else:
cur = self.head
while True:
print(cur.item, end='')
if cur.next:
print(',', end='')
if cur == self.rear:
break
cur = cur.next
print('')
def push(self, val):
"""队尾插入新元素"""
p = LNode(val)
if self.is_empty():
self.head = p
self.rear = p
else:
self.rear.next = p
self.rear = self.rear.next
def get(self):
"""获取队头元素"""
if self.is_empty():
print('queue is empty')
return
else:
e = self.head.item
self.head = self.head.next
return e
if __name__ == '__main__':
FIFOQueue = FIFOQueue()
FIFOQueue.push(1)
FIFOQueue.push(2)
FIFOQueue.push(3)
FIFOQueue.push(4)
FIFOQueue.travel() # 1,2,3,4
print(FIFOQueue.get()) # 1
print(FIFOQueue.get()) # 2
FIFOQueue.travel() # 3,4
list实现
# list 实现
class FIFOQueue(object):
def __init__(self):
self.queue = list()
def size(self):
return len(self.queue)
def travel(self):
print(self.queue)
def push(self, val):
self.queue.append(val)
def get(self):
return self.queue.pop(0)
if __name__ == '__main__':
FIFOQueue = FIFOQueue()
FIFOQueue.push(1)
FIFOQueue.push(2)
FIFOQueue.push(3)
FIFOQueue.push(4)
FIFOQueue.travel() # 1,2,3,4
print(FIFOQueue.get()) # 1
print(FIFOQueue.get()) # 2
FIFOQueue.travel() # 3,4
2，LIFO队列
LIFO即Last in First Out,后进先出。与栈的类似，在队尾进行插入和删除操作。
调用queue.LifoQueue
from queue import LifoQueue
lifo_queue = LifoQueue()
lifo_queue.put(1) # 队尾插入新元素
lifo_queue.put(2)
lifo_queue.put(3)
print(lifo_queue.queue)
print(lifo_queue.get()) # 队尾取出元素
print(lifo_queue.queue)
链表实现
将链表头部作为队列尾部，在链表头部进行插入和删除操作。
class LNode(object):
def __init__(self, item, next_=None):
self.item = item
self.next = next_
class LIFOQueue(object):
def __init__(self):
"""初始化"""
self.head = None
def is_empty(self):
"""判断是否为空"""
return self.head is None
def size(self):
"""获取队列长度"""
cur = self.head
count = 0
while cur:
count += 1
cur = cur.next
return count
def travel(self):
"""遍历队列"""
travel_list = []
cur = self.head
while cur:
travel_list.append(cur.item)
cur = cur.next
travel_list.reverse()
print(travel_list)
def push(self, val):
"""头部插入"""
self.head = LNode(val, self.head)
def get(self):
"""获取队头元素"""
if self.is_empty():
print('queue is empty')
return
else:
e = self.head.item
self.head = self.head.next
return e
if __name__ == '__main__':
LIFOQueue = LIFOQueue()
LIFOQueue.push(1)
LIFOQueue.push(2)
LIFOQueue.push(3)
LIFOQueue.push(4)
LIFOQueue.travel() # 1,2,3,4
print(LIFOQueue.get()) # 4
print(LIFOQueue.get()) # 3
LIFOQueue.travel() # 1,2
List实现
# list 实现
class LIFOQueue(object):
def __init__(self):
self.queue = list()
def size(self):
return len(self.queue)
def travel(self):
print(self.queue)
def push(self, val):
self.queue.append(val)
def get(self):
return self.queue.pop()
if __name__ == '__main__':
LIFOQueue = LIFOQueue()
LIFOQueue.push(1)
LIFOQueue.push(2)
LIFOQueue.push(3)
LIFOQueue.push(4)
LIFOQueue.travel() # 1,2,3,4
print(LIFOQueue.get()) # 4
print(LIFOQueue.get()) # 3
LIFOQueue.travel() # 1,2
3，双向队列
双端队列（deque，全名 double-ended queue），是一种具有队列和栈的性质的数据结构。双端队列中的元素可以从两端弹出，其限定插入和删除操作在表的两端进行。双端队列可以在队列任意一端入队和出队。
调用collections .deque
collections 是 python 内建的一个集合模块，里面封装了许多集合类，其中队列相关的集合只有一个：deque。
deque 是双边队列（double-ended queue），具有队列和栈的性质，在 list 的基础上增加了移动、旋转和增删等。
deque(maxlen=3)，通过maxlen参数，可以创建固定长度的队列，当新元素加入队列且队列已满，会自动从另一端移除首个元素。不指定maxlen，得到无界限的队列。
from collections import deque
d = deque([])
d.append('a') # 在最右边添加一个元素，此时 d=deque('a')
print(d)
d.appendleft('b') # 在最左边添加一个元素，此时 d=deque(['b', 'a'])
print(d)
d.extend(['c', 'd']) # 在最右边添加所有元素，此时 d=deque(['b', 'a', 'c', 'd'])
print(d)
d.extendleft(['e', 'f']) # 在最左边添加所有元素，此时 d=deque(['f', 'e', 'b', 'a', 'c', 'd'])
print(d)
d.pop() # 将最右边的元素取出，返回 'd'，此时 d=deque(['f', 'e', 'b', 'a', 'c'])
print(d)
d.popleft() # 将最左边的元素取出，返回 'f'，此时 d=deque(['e', 'b', 'a', 'c'])
print(d)
d.rotate(-2) # 向左旋转两个位置（正数则向右旋转），此时 d=deque(['a', 'c', 'e', 'b'])
print(d)
双向链表实现
class DLNode(object):
def __init__(self, item, prior_=None, next_=None):
self.item = item
self.prior = prior_
self.next = next_
class DQueue(object):
def __init__(self):
self.head = None # 头指针
self.rear = None # 尾制造
def is_empty(self):
return self.head is None
def length(self):
if self.is_empty():
print('queue is empty')
return
else:
cur = self.head
count = 0
while True:
count += 1
if cur == self.rear:
break
cur = cur.next
return count
def travel(self):
"""遍历队列"""
if self.is_empty():
print('queue is empty')
return
else:
cur = self.head
while True:
print(cur.item, end='')
if cur.next:
print(',', end='')
if cur == self.rear:
break
cur = cur.next
print('')
def push_rear(self, val):
"""队尾插入元素"""
p = DLNode(val)
if self.is_empty():
self.head = p
self.rear = p
else:
self.rear.next = p
p.prior = self.rear
self.rear = self.rear.next
def push_head(self, val):
"""队头插入元素"""
p = DLNode(val)
if self.is_empty():
self.head = p
self.rear = p
else:
p.next = self.head
self.head.prior = p
self.head = p
def pop_rear(self):
"""获取队尾元素"""
if self.is_empty():
print('queue is empty')
return
else:
p = self.rear
self.rear = self.rear.prior
self.rear.next = None
return p.item
def pop_head(self):
"""获取队头元素"""
if self.is_empty():
print('queue is empty')
return
else:
e = self.head.item
self.head = self.head.next
return e
if __name__ == '__main__':
DQueue = DQueue()
DQueue.push_head(1)
DQueue.push_head(2)
DQueue.push_head(3)
DQueue.travel() # 3,2,1
DQueue.push_rear('a')
DQueue.push_rear('b')
DQueue.travel() # 3,2,1,a,b
print(DQueue.pop_head()) # 3
print(DQueue.pop_rear()) # b
print(DQueue.pop_rear()) # a
DQueue.travel() # 2,1
list实现
class DQueue:
"""双端队列"""
def __init__(self):
self.queue = []
def push_head(self, val):
"""从队头加入一个元素"""
self.queue.insert(0, val)
def push_rear(self, val):
"""从队尾加入一个元素"""
self.queue.append(val)
def pop_head(self):
"""从队头删除一个元素"""
return self.queue.pop(0)
def pop_rear(self):
"""从队尾删除一个元素"""
return self.queue.pop()
def is_empty(self):
"""是否为空"""
return self.queue == []
def size(self):
"""队列长度"""
return len(self.queue)
def travel(self):
print(self.queue)
if __name__ == "__main__":
DQueue = DQueue()
DQueue.push_head(1)
DQueue.push_head(2)
DQueue.push_head(3)
DQueue.travel() # [3, 2, 1]
DQueue.push_rear('a')
DQueue.push_rear('b')
DQueue.travel() # [3, 2, 1, 'a', 'b']
print(DQueue.pop_head()) # 3
print(DQueue.pop_rear()) # b
print(DQueue.pop_rear()) # a
DQueue.travel() # [2, 1]
4，优先级队列
优先级队列是一种容器型数据结构，它能管理一队记录，并按照排序字段（例如一个数字类型的权重值）为其排序。由于是排序的，所以在优先级队列中你可以快速获取到最大的和最小的值。
可以认为优先级队列是一种修改过的普通队列：普通队列依据记录插入的时间来获取下一个记录，而优先级队列依据优先级来获取下一个记录，优先级取决于排序字段的值。
优先级队列常用来解决调度问题，比如给紧急的任务更高的优先级。以操作系统的任务调度为例：高优先级的任务（比如实时游戏）应该先于低优先级的任务（比如后台下载软件更新）执行。
调用queue.PriorityQueue
在 Python 中，内置的标准库提供了两种实现优先队列的数据结构，分别是 heapq 模块和 PriorityQueue 模块，
最小优先级队列
更小的值具有更高的优先级，也就是会被最先输出
# 优先级队列
from queue import PriorityQueue as PQ
Pqueue = PQ()
Pqueue.put((1, 'a'))
Pqueue.put((3, 'c'))
Pqueue.put((2, 'b'))
Pqueue.put((2, 'd'))
Pqueue.put((5, 'e'))
print(Pqueue.queue) # [(1, 'a'), (2, 'd'), (2, 'b'), (3, 'c'), (5, 'e')]
while not Pqueue.empty():
print(Pqueue.get())
# (1, 'a')
# (2, 'b')
# (2, 'd')
# (3, 'c')
# (5, 'e')
最大优先级队列
更大的值具有更高的优先级，也就是会被最先输出。
from queue import PriorityQueue as PQ
Pqueue = PQ()
Pqueue.put((-1, 'a'))
Pqueue.put((-3, 'c'))
Pqueue.put((-2, 'b'))
Pqueue.put((-2, 'd'))
Pqueue.put((-5, 'e'))
print(Pqueue.queue) # [(-5, 'e'), (-3, 'c'), (-2, 'b'), (-1, 'a'), (-2, 'd')]
while not Pqueue.empty():
print(Pqueue.get())
# (-5, 'e')
# (-3, 'c')
# (-2, 'b')
# (-2, 'd') 当两个对象的优先级一致时，按照插入顺序排列
# (-1, 'a')
基于 heapq 实现
heapq 涉及到另一种数据结构“堆”，用heapq 实现优先级队列，也是基于最小堆，最大堆实现，这些在后面“堆”再一起研究下。
import heapq
class PriorityQueue(object):
def __init__(self):
self._queue = []
# self._index = 0
def push(self, item, priority):
"""
队列由 (priority, index, item) 形式组成
priority 默认是最小优先级，增加 "-" 实现最大优先级，
index 是为了当两个对象的优先级一致时，按照插入顺序排列
"""
heapq.heappush(self._queue, (-priority, item))
# self._index += 1
def pop(self):
"""
弹出优先级最高的对象
"""
return heapq.heappop(self._queue)[-1]
def qsize(self):
return len(self._queue)
def empty(self):
return True if not self._queue else False
if __name__ == '__main__':
PQueue = PriorityQueue()
PQueue.push('a', 1)
PQueue.push('c', 3)
PQueue.push('b', 2)
PQueue.push('d', 2)
PQueue.push('e', 5)
PQueue.push('f', 1)
while not PQueue.empty():
print(PQueue.pop()) # e c b d a f
5，循环队列
在之前实现的队列时，都为固定队列长度，都创建无限队列，当队列空间有限时，插入和删除元素会有问题呢？
假定用长度为6的数组，表示长度为6的队列。队列中已经有三个元素a1、a2、a3。
如果新插入元素，只需要在队尾插入便可，在下标3的位置插入新元素a4，入队列的时间复杂度O(1)。
如果删除元素，当a1出队列后，其后面的a2、a3、a4则需要向前移动一个位置，就好日常排队时，当前面人离开，后面的队伍都往前移动一步，所以出队列的时间复杂度为O(n)。
这种效率显然是不可以接受的，那么能不能不让所有成员都往前挪一位呢？
所以在原来的基础上，加入两个变量front、rear分别存储队头和队尾的下标。
此时front =0 ,rear = 3。
当有新元素插入队尾时，rear = rear+1。
当有元素出队列时，front = front + 1
这样一来，似乎不将后面所有成员往前挪，只需维护一下front的指向（front += 1）就可以保证队首，但是，当遇到下面这情况时，就存在“假溢出”的情况。
将a2、a3都出队列，此时front = 3，在将a6插入队列，此时rear = 6。
此时，队列长度为3，队列未满，再将a7插入队列时，就会报错数组越界，但是此时数组空间未满，前面0、1、2都空着，这种现象称为“假溢出”。
虽然这种方法不用移动元素，但是却造成空间上的浪费。可以看出此时数组是还有空间去容纳新元素a7的，因此我们需要将前面浪费的空间重新利用起来，减少空间的浪费，这就是循环队列的意义所在了。
1.循环队列包括两个指针(其实就是两个整数型变量，因为在这里有指示作用，所以这里理解为指针)， front 指针指向队头元素， rear 指针指向队尾元素的下一个位置。
2.rear和front互相追赶着，这个追赶过程就是队列添加和删除的过程，如果rear追到head说明队列满了，如果front追到rear说明队列为空。
3,rear和front位置的移动，关键在于% (取模运算)，这样就防止rear和front 超过maxsize。
网上最常看到的实现代码
class SqQueue(object):
def __init__(self, maxsize):
self.queue = [None] * maxsize
self.maxsize = maxsize
self.front = 0
self.rear = 0
# 返回当前队列的长度
def QueueLength(self):
return (self.rear - self.front + self.maxsize) % self.maxsize
# 如果队列未满，则在队尾插入元素，时间复杂度O(1)
def EnQueue(self, data):
if (self.rear + 1) % self.maxsize == self.front:
print("The queue is full!")
else:
self.queue[self.rear] = data
# self.queue.insert(self.rear,data)
self.rear = (self.rear + 1) % self.maxsize
# 如果队列不为空，则删除队头的元素,时间复杂度O(1)
def DeQueue(self):
if self.rear == self.front:
print("The queue is empty!")
else:
data = self.queue[self.front]
self.queue[self.front] = None
self.front = (self.front + 1) % self.maxsize
return data
# 输出队列中的元素
def ShowQueue(self):
for i in range(self.maxsize):
print(self.queue[i],end=',')
print(' ')
这有个bug，由于 self.rear = (self.rear + 1) % self.maxsize 这会造成一个空间的浪费！！ 可以运行下代码看看。
所以自己写了一段代码，直接使用现有元素个数cnt 与 maxsize 比较来判断是否为空？是否已满？
class CycleQueue(object):
def __init__(self, maxsize):
self.queue = [None] * maxsize
self.maxsize = maxsize
self.front = 0
self.rear = 0
self.cnt = 0
def is_empty(self):
return self.cnt == 0
def is_full(self):
return self.cnt == self.maxsize
def push(self, val):
if self.is_full():
print("The queue is full!")
return
if self.is_empty():
self.queue[self.rear] = val
self.cnt += 1
else:
self.rear = (self.rear + 1) % self.maxsize
self.queue[self.rear] = val
self.cnt += 1
def pop(self):
if self.is_empty():
print("The queue is empty!")
return
val = self.queue[self.front]
self.queue[self.front] = None
self.front = (self.front + 1) % self.maxsize
self.cnt -= 1
return val
def travel(self):
travel_list = [self.queue[(self.front + i) % self.maxsize] for i in range(self.cnt)]
print(travel_list)
def size(self):
return self.cnt
if __name__ == '__main__':
CycleQueue = CycleQueue(6)
CycleQueue.push('a1')
CycleQueue.push('a2')
CycleQueue.push('a3')
CycleQueue.push('a4')
CycleQueue.push('a5')
CycleQueue.travel() # ['a1', 'a2', 'a3', 'a4', 'a5']
CycleQueue.push('a6')
CycleQueue.travel() # ['a1', 'a2', 'a3', 'a4', 'a5', 'a6']
CycleQueue.pop()
CycleQueue.push('a7')
CycleQueue.travel() # ['a2', 'a3', 'a4', 'a5', 'a6', 'a7']
CycleQueue.pop()
CycleQueue.pop()
CycleQueue.push('a8')
CycleQueue.travel() # ['a4', 'a5', 'a6', 'a7', 'a8']
到此这篇关于Python常用队列全面详细梳理的文章就介绍到这了,更多相关Python常用队列内容请搜索软件开发网以前的文章或继续浏览下面的相关文章希望大家以后多多支持软件开发网！
