扫码关注官方微信

扫码下载APP
返回顶部
首页 > 资讯 > 后端开发 > Python >Python常用队列全面详细梳理
  • 233

0
分享到

Python常用队列全面详细梳理

Python常用队列Python队列 2023-01-28 06:01:12 233人浏览 薄情痞子

Python 官方文档：入门教程 => 点击学习

摘要

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）

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编程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编程网！

您可能感兴趣的文档:

--结束END--

本文标题: Python常用队列全面详细梳理

本文链接: https://lsjlt.com/news/178297.html(转载时请注明来源链接)

有问题或投稿请发送至: 邮箱/279061341@qq.com    QQ/279061341

猜你喜欢
  • 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）...
    99+
    2023-01-28
    Python常用队列 Python队列
  • python 列表常用方法超详细梳理总结
    目录列表是什么？列表常用方法1.append()2.clear()3.copy()4.count()5.extend()6.index()7.insert()8.revers ...
    99+
    2024-04-02
  • Python 常用内置模块超详细梳理总结
    目录time模块time.sleep()time.time()time.localtime()time.strftime()datetime()random模块random.rand...
    99+
    2024-04-02
  • python 字典常用方法超详细梳理总结
    目录1.字典的概念2.字典的主要特征3.创建字典的三种方法4.字典常用方法1.clear()2.copy(）3.get()4.keys()5.values()6.items()7.d...
    99+
    2024-04-02
  • Java常用数据流全面大梳理
    目录缓冲流转换流标准输入输出流打印流数据流对象流随机存取文件流Java NIO缓冲流 为了提高数据读写的速度，Java API提供了带缓冲功能的流类，在使用这些流类时，会创建一个内部...
    99+
    2024-04-02
  • python 字符串常用方法超详细梳理总结
    目录字符串是什么？字符串常用方法1.find()2.index()3.startswith()4.endswith()5.count()6.join()7.upper()8.lowe...
    99+
    2024-04-02
  • Python全栈之队列详解
    目录1.lock互斥锁2.事件_红绿灯效果2.1信号量_semaphore2.2事件_红绿灯效果3.queue进程队列4.生产者消费者模型5.joinablequeue队列使用6.总...
    99+
    2024-04-02
  • Python队列Queue超详细讲解
    目录queue模块简介queue.Queue(maxsize=0)queue.LifoQueue(maxsize=0)queue.PriorityQueue(maxsize=0)qu...
    99+
    2023-05-16
    Python队列Queue Python Queue
  • Java超详细梳理异常处理机制
    目录一、异常概述与异常体系结构1. 异常概述引入概念2. 分类2.1 Error vs Exception2.2 编译时异常vs运行时异常3. 常见异常3.1 分类3.2 代码演示二...
    99+
    2024-04-02
  • Python装饰器使用方法全面梳理
    目录1 装饰器背景知识1.1 基本概念1.2 应用场景2 简单的装饰器代码3 使用装饰器记录函数执行次数4 带参数的装饰器5 装饰器处理有返回值的函数1 装饰器背景知识 1.1 基本...
    99+
    2023-01-28
    Python装饰器 Python装饰器使用方法
  • mysql常用函数与视图索引全面梳理
    目录常用函数几种函数类型1、日期函数2、字符串函数3、数字函数4、聚合函数合并视图索引视图概念及特点视图作用基本语法索引概念优缺点分类索引维护常见的错误代码常用函数 函数的概念及特点： 与Java，js中的函数概念一致 ...
    99+
    2024-04-02
  • Linux常用命令详细大全（面试常考）
    文章目录 1、查看目录与文件：ls2、切换目录：cd3、显示当前目录：pwd4、创建空文件：touch5、创建目录：mkdir6、查看文件内容：cat7、分页查看文件内容：more8、查看文件...
    99+
    2023-09-10
    linux 面试 运维
  • JavaMap集合使用方法全面梳理
    目录Map接口Map的常用方法HashMap集合Properties集合Map接口           Map接口是双列集合，它的每...
    99+
    2024-04-02
  • python中列表的常见操作梳理总结(二)
    目录python中列表的常见操作列表的索引与切片什么是索引？什么是切片？列表通过索引/切片赋值及索引的获取pop函数删除元素索引&切片在元组中的特殊性字符串的索引与切片字符串...
    99+
    2024-04-02
  • python中列表的常见操作梳理总结(一)
    目录python中列表的常见操作列表元组的简单操作列表/元组的长度列表/元组之间的累加与乘法判断列表/元组中是否包含某元素列表的append()函数列表的insert()函数列表的c...
    99+
    2024-04-02
  • 超全面python常见报错以及解决方案梳理必收藏
    AttribteError: ‘module' object has no attribute xxx' 描述:模块没有相关属性。可能出现的原因: 1.命名.py文件时，使用了P...
    99+
    2024-04-02
  • python常用知识梳理(必看篇)
    接触python已有一段时间了，下面针对python基础知识的使用做一完整梳理： 1）避免‘n'等特殊字符的两种方式： a）利用转义字符‘' b）利用原始字符‘r' print r'c:now' ...
    99+
    2022-06-04
    必看 常用 知识
  • Java超全面梳理内部类的使用
    目录一、内部类1.内部类的概念2.内部类的定义3.内部类与外部类的访问规则4.内部类的注意事项二、匿名内部类一、内部类 1.内部类的概念 内部类是定义在类中的类。 内部类把逻辑上相关...
    99+
    2024-04-02
  • Python面向对象详解（非常详细）
    非常详细的讲解（爆肝1w字）👏🏻👏🏻👏🏻 零基础一样学得会👌🏻   干货满满不看后悔👍...
    99+
    2023-09-05
    python 算法 开发语言 pycharm 编辑器
  • python常用数据结构字典梳理
    目录dict字典字典定义与使用字典使用：创建字典使用：访问元素字典使用：操作元素字典使用：嵌套字典字典常用方法values()items()values()get()update()...
    99+
    2024-04-02
软考高级职称资格查询
热门wiki
近期文章
推荐阅读
热门问答
热门标签
编程网，编程工程师的家园，是目前国内优秀的开源技术社区之一，形成了由开源软件库、代码分享、资讯、协作翻译、讨论区和博客等几大频道内容，为IT开发者提供了一个发现、使用、并交流开源技术的平台。

  • 官方手机版

  • 微信公众号

  • 商务合作