python数据结构之bitmap

#_*_coding=utf-8_*_
‘‘‘常见数据结构-bitmap(位图)‘‘‘

class Bitmap:
    ‘‘‘初始化‘‘‘
    def __init__(self,max):
        ‘‘‘#计算需要多少个数组的数量‘‘‘
        self.size = int((max + 31-1) / 31)
        ‘‘‘为每个数组生成单元,每个单元存储为0‘‘‘
        self.array = [0 for i in range(self.size)]

    def bitindex(self,num):
        ‘‘‘位索引,这个方法求余的操作就是判断某个数在某个数组中的具体的第几位‘‘‘
        return  num % 31

    def set(self,num):
        ‘‘‘计算到某个数对应在位图中的哪个数之后,需要将对应的位置成1‘‘‘

        ‘‘‘#判断需要计算的数字具体是在哪个数组中‘‘‘
        elemindex = num / 31
        ‘‘‘#表示计算数的位索引‘‘‘
        byteindex = self.bitindex(num)
        ‘‘‘#选择哪个数组进行操作‘‘‘
        elem = self.array[elemindex]

         #逻辑或,进行置1的操作,1向左移动了byteindex位
        self.array[elemindex] = elem | (1 << byteindex)

    def test(self,i):
        ‘‘‘#判断对应的数字在第几个数组上‘‘‘
        elemindex = i / 31
        ‘‘‘#进行位索引‘‘‘
        byteindex = self.bitindex(i)
        ‘‘‘#逻辑与操作,判断某一位到底在不在bitmap上,如果在就代表着应该取出并遍历出来,遍历的时候出现1的位置就将这个位置上的数转换为十进制然后取出来,依次遍历生成排序序列‘‘‘
        if self.array[elemindex] & (1 << byteindex):
            return True
        return False

if __name__ == "__main__":
    ‘‘‘将z转换为assci码最大的数‘‘‘
    MAX = ord(‘z‘)
    suffle_array = [x for x in ‘coledraw‘]
    result = []
    ‘‘‘#调用这个类,将最大数的传递给它。生成位图表‘‘‘
    bitmap = Bitmap(int(MAX))

    ‘‘‘分别遍历这个数组‘‘‘
    for c in suffle_array:
        bitmap.set(ord(c))
    for i in range(int(MAX) + 1):
        ‘‘‘#存在1的话,就取出数据‘‘‘
        if bitmap.test(i):
            ‘‘‘#存储到列表里‘‘‘
            result.append(chr(i))

    print("原始数组: %s" % suffle_array)
    print("排序后数组: %s" % result)
时间: 2024-10-20 05:04:17

python数据结构之bitmap的相关文章

Python学习日志之Python数据结构初识

Python数据结构初识: 一.Python数据结构概述 1.何为数据结构 在程序中,同样的一个或几个数据组织起来,可以有不同的组织方式,也就是不同的存储方式,不同的组织方式就是不同的结构,我们把这些数据组织在一起的结构就叫做数据结构 例如: 有一串字符串:"abc",我们将它重新组织一下,比如通过list()函数将"abc"变成["a","b","c"],那么这个时候数据发生了重组,重组之后的结构就发生了

Python数据结构

1. 元组(tuple) 元组由不同的元素组成,每个元素可以储存不同类型的数据,如字符串.数字甚至元组.元组是写保护的,即元组创建后不能再做任何修改操作. 1.1 元组的创建 Tuple(元组)由一系列元素组成,所有元素被包含在一对圆括号中.创建元组时可以不指定元素个数,但一旦创建后就不能修改长度 元组的创建格式如下:tuple_name = (元素1,元素2,-) 如果创建空元组,只需要一对空的圆括号:tuple_name = () 如果创建的元组只包含一个元素,应在元素后面加上逗号,以区分元

Python数据结构——散列表

散列表的实现常常叫做散列(hashing).散列仅支持INSERT,SEARCH和DELETE操作,都是在常数平均时间执行的.需要元素间任何排序信息的操作将不会得到有效的支持. 散列表是普通数组概念的推广.如果空间允许,可以提供一个数组,为每个可能的关键字保留一个位置,就可以运用直接寻址技术. 当实际存储的关键字比可能的关键字总数较小时,采用散列表就比较直接寻址更为有效.在散列表中,不是直接把关键字用作数组下标,而是根据关键字计算出下标,这种 关键字与下标之间的映射就叫做散列函数. 1.散列函数

python数据结构与算法 38 分析树

分析树 树的结构完成以后,该是时候看看它能做点什么实事儿了.这一节里,我们研究一下分析树.分析树能够用于真实世界的结构表示,象语法或数学表达式一类的. 图1 一个简单语句的分析树 图1所示是一个简单语句的层级结构,把语句表示为树结构可以让我们用子树来分析句子的组成部分. 图2 ((7+3)?(5?2))的分析树 我们也可以把数学表达式如((7+3)?(5?2))表示为分析树,如图2.此前我们研究过完全括号表达式,这个表达式表达了什么呢?我们知道乘法的优先级比加减要高,但因为括号的关系,在做乘法之

python数据结构与算法 36 树的基本概念

树 学习目标 理解什么是树及使用方法 学会使用树实现映射 用列表实现树 用类和引用实现树 用递归实现树 用堆实现优先队列 树的例子 前面我们学习过栈和队列这类线性数据结构,并且体验过递归,现在我们学习另一种通用数据结构,叫做树.树在计算机科学中应用广泛,象操作系统.图形学.数据库系统.网络等都要用到树.树和他们在自然界中的表哥--植物树--非常相似,树也有根,有分枝,有叶子.不同之处是,数据结构的树,根在顶上,而叶子在底部. 在开始学习之前,我们来研究几个普通的例子.第一个是生物学上的分级树.图

[笔记]python数据结构之线性表:linkedlist链表,stack栈,queue队列

python数据结构之线性表 python内置了很多高级数据结构,list,dict,tuple,string,set等,在使用的时候十分舒心.但是,如果从一个初学者的角度利用python学习数据结构时,这些高级的数据结构可能给我们以迷惑. 比如,使用list实现queue的时候,入队操作append()时间复杂度可以认为是O(1),但是,出队操作pop(0)的时间复杂度就是O(n). 如果是想利用python学学数据结构的话,我觉得还是自己实现一遍基本的数据结构为好. 1.链表 在这里,我想使

python数据结构与算法 37 树的实现

树的实现 记住上一节树的定义,在定义的基础上,我们用以下的函数创建并操作二叉树: BinaryTree() 创建一个二叉树实例 getLeftChild() 返回节点的左孩子 getRightChild() 返回节点的右孩子 setRootVal(val) 把val变量值赋给当前节点 getRootVal() 返回当前节点对象. insertLeft(val) 创建一个新二叉树作为当前节点的左孩子 insertRight(val) 创建一个新二叉树作为当前节点的右孩子. 实现树的关键点是合适的存

python数据结构与算法 34 归并排序

归并排序 在提高排序算法性能的方法中,有一类叫做分而治之.我们先研究其中第一种叫做归并排序.归并排序使用递归的方法,不停地把列表一分为二.如果列表是空或只有一个元素,那么就是排好序的(递归基点),如果列表有超过1个的元素,那么切分列表并对两个子列表递归使用归并排序.一旦这两个列表排序完成,称为"归并"的基本操作开始执行.归并是把两个有序列表合并成一个新的有序列表的过程.图10是我们熟悉的列表样例分解过程,图11是归并的过程. 图10  切分过程 图11  归并过程 以下是mergeSo

Python数据结构与算法--List和Dictionaries

Lists 当实现 list 的数据结构的时候Python 的设计者有很多的选择. 每一个选择都有可能影响着 list 操作执行的快慢. 当然他们也试图优化一些不常见的操作. 但是当权衡的时候,它们还是牺牲了不常用的操作的性能来成全常用功能. 本文地址:http://www.cnblogs.com/archimedes/p/python-datastruct-algorithm-list-dictionary.html,转载请注明源地址. 设计者有很多的选择,使他们实现list的数据结构.这些选