Python中棧、隊列與優(yōu)先級隊列的實現(xiàn)方法

更新時間：2019年06月30日 11:01:21 作者：GoT陽仔

這篇文章主要給大家介紹了關于Python中棧、隊列與優(yōu)先級隊列的實現(xiàn)方法，文中通過示例代碼介紹的非常詳細，對大家學習或者使用python具有一定的參考學習價值，需要的朋友們下面來一起學習學習吧

前言

棧、隊列和優(yōu)先級隊列都是非常基礎的數據結構。Python作為一種“編碼高效”的語言，對這些基礎的數據結構都有比較好的實現(xiàn)。在業(yè)務需求開發(fā)過程中，不應該重復造輪子，今天就來看看些數據結構都有哪些實現(xiàn)。

0x00 棧(Stack)

棧是一種LIFO(后進先出)的數據結構，有入棧(push)、出棧(pop)兩種操作，且只能操作棧頂元素。
在Python中有多種可以實現(xiàn)棧的數據結構。

1、list

list是Python內置的列表數據結構，它支持棧的特性，有入棧和出棧操作。只不過用list實現(xiàn)棧性能不是特別好。

因為list內部是通過一個動態(tài)擴容的數組來實現(xiàn)的。當增減元素時就有可能會觸發(fā)擴容操作。如果在list的頭部增減元素，也會移動整個列表。

如要使用list來實現(xiàn)一個棧的話，可以使用list的append()(入棧)、pop()(出棧)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類是一種雙端隊列。在Python中它就是一個雙向列表，可以以常用時間在兩端執(zhí)行添加和刪除元素的操作，非常高效，所以它既可以實現(xiàn)棧也可以實現(xiàn)隊列。

如果要在Python實現(xiàn)一個棧，那么應該優(yōu)先選擇deque，而不是list。

deque的入棧和出棧方法也分別是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

顧名思義，這個就是一個棧。不過它是線程安全的，如果要在并發(fā)的環(huán)境下使用，那么就可以選擇使用LifoQueue。

它入棧和出棧操作是使用put()和get()，其中get()在LifoQueue為空時會阻塞。

>>> 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棧不為空

0x01 隊列(Queue)

隊列是一種FIFO(先進先出)的數據結構。它有入隊(enqueue)、出隊(dequeue)兩種操作，而且也是常數時間的操作。
在Python中可以使用哪些數據結構來實現(xiàn)一個隊列呢？

1、list

list可以實現(xiàn)一個隊列，但它的入隊、出隊操作就不是非常高效了。因為list是一個動態(tài)列表，在隊列的頭部執(zhí)行出隊操作時，會發(fā)生整個元素的移動。

使用list來實現(xiàn)一個隊列時，用append()執(zhí)行入隊操作，使用pop(0)方法在隊列頭部執(zhí)行出隊操作。由于在list的第一個元素進行操作，所以后續(xù)的元素都會向前移動一位。因此用list來實現(xiàn)隊列是不推薦的。

>>> 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

從上文我們已經知道deque是一個雙向列表，它可以在列表兩端以常數時間進行添加刪除操作。所以用deque來實現(xiàn)一個隊列是非常高效的。

deque入隊操作使用append()方法，出隊操作使用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出隊
>>> q.popleft()
'eat'
>>> q.popleft()
'sleep'
>>> q.popleft()
'code'
>>> q.popleft()
IndexError: pop from an empty deque

3、queue.Queue

同樣地，如果要在并發(fā)環(huán)境下使用隊列，那么選擇線程安全的queue.Queue。

與LifoQueue類似，入隊和出隊操作分別是put()和get()方法，get()在隊列為空時會一直阻塞直到有元素入隊。

>>> 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'
# 隊列為空不要執(zhí)行等待
>>> q.get_nowait()
_queue.Empty
>>> q.put('111')
>>> q.get_nowait()
'111'
>>> q.get()
# 隊列為空時，會一直阻塞直到隊列不為空

4、multiprocessing.Queue

多進程版本的隊列。如果要在多進程環(huán)境下使用隊列，那么應該選擇multiprocessing.Queue。

同樣地，它的入隊出隊操作分別是put()和get()。get()方法在隊列為空，會一直阻塞直到隊列不為空。

>>> 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()
# 隊列為空時，會一直阻塞直到隊列不為空

0x02 優(yōu)先級隊列(PriorityQueue)

一個近乎排序的序列里可以使用優(yōu)先級隊列這種數據結構，它能高效獲取最大或最小的元素。

在調度問題的場景中經常會用到優(yōu)先級隊列。它主要有獲取最大值或最小值的操作和入隊操作。

1、list

使用list可以實現(xiàn)一個優(yōu)先級隊列，但它并不高效。因為當要獲取最值時需要排序，然后再獲取最值。一旦有新的元素加入，再次獲取最值時，又要重新排序。所以并推薦使用。

2、heapq

一般來說，優(yōu)先級隊列都是使用堆這種數據結構來實現(xiàn)。而heapq就是Python標準庫中堆的實現(xiàn)。heapq默認情況下實現(xiàn)的是最小堆。

入隊操作使用heappush()，出隊操作使用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內部封裝了heapq，不同的是它是線程安全的。在并發(fā)環(huán)境下應該選擇使用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 總結一下

很多基礎的數據結構在Python中已經實現(xiàn)了的，我們不應該重復造輪子，應該選擇這些數據結構來實現(xiàn)業(yè)務需求。
collections.deque是一種雙向鏈表，在單線程的情況下，它可以用來實現(xiàn)Stack和Queue。而heapq模塊可以幫我們實現(xiàn)高效的優(yōu)先級隊列。

如果要在多并發(fā)的情況下使用Stack、Queue和PriorityQueue的話，那么應該選用queue模塊下類：