pythonlist底层数据结构_揭晓数据结构的底层
今天我们来深⼊的唠唠列表，不过先别着急，我们来思考以下⼏个问题。
列表的下标为什么从零开始？
为什么列表append⽐insert快？
为什么列表append之后，id值为什么不变，也可以说内存地址不变？
但是⼀旦要解决这⼏个问题，我们⾸先就得了解顺序表。
顺序表
在程序中，当⽼A要求⼤家存储⽼A的年龄为 18，⼤家肯定会想到使⽤整数类型。但是，如果⽼A要求⼤家存储⽼A的爱好，⽐如：睡觉，美⾷，追寻寻(剧中男主)...这个时候，很明显单个的字符串存储并不⽅便。
也就是说我们需要将⼀组(同为字符串类型)数据元素作为整体的管理以及使⽤，那么我们就需要创建这种元素组，并且⽤变量记录它们。当然，这⼀组数据中包含的元素个数也可以发⽣变化(可以增加或删除元素)，⽐如⽼A 的爱好⼜增加了个 看书，或者说⽼A的爱好减少了⼀个追寻寻。
对于这种需求，其实⼤家会脱⼝⽽出选择列表。但是，⽼A说了今天是深⼊地聊，所以我们要从⼀个更加泛的名词来概括。我们将这⼀组元素看成⼀个序列，⽤元素在序列⾥的位置和顺序，表⽰实际应⽤中的某种有意义的信息，或者表⽰数据之间的某种关系。
这样的⼀组序列元素的组织形式，我们可以将其抽象为线性表。⼀个线性表是某类元素的⼀个集合，还记录着元素之间的⼀种顺序关系。线性表是最基本的数据结构之⼀，在实际程序中应⽤⾮常⼴泛，它还经常被⽤作更复杂的数据结构的实现基础。
根据线性表的实际存储⽅式，分为两种实现模型：
顺序表：将元素顺序地存放在⼀块连续的存储区⾥，元素间的顺序关系由它们的存储顺序⾃然表⽰。
链表：将元素存放在通过链接构造起来的⼀系列存储块中。
顺序表的基本形式
注意：
⼀个整数类型：4个字节
⼀个字符串类型：1个字节
图a表⽰的是顺序表的基本形式，数据元素本⾝连续存储，每个元素所占的存储单元⼤⼩固定相同，元素的下标是其逻辑地址，⽽元素存储的物理地址(实际内存地址)可以通过存储区的起始地址Loc (e0)加上逻辑地址(第i个元素)与存储单元⼤⼩(c)的乘积计算⽽得
Loc(ei) = Loc(e0) + c*i
复制代码
也就是说，当我们想访问到指定元素时不需要从头遍历，直接通过计算便可获得对应地址，其时间复杂度为O(1)。
如果元素的⼤⼩不统⼀，则须采⽤图b的元素外置的形式，将实际数据元素另⾏存储，⽽顺序表中各单元位置保存对应元素的地址信息(即链接)。由于每个链接所需的存储量相同，通过上述公式，可以计算出元素链接的存储位置，⽽后顺着链接到实际存储的数据元素。注意，图b中的c不再是数据元素的⼤⼩，⽽是存储⼀个链接地址所需的存储量，这个量通常很⼩。
图b这样的顺序表也被称为对实际数据的索引，这是最简单的索引结构。
数组要从0开始编号，⽽不是从1开始呢？
从数组存储的内存模型上来看，“下标”最确切的定义应该是“偏移(offset)”。前⾯也讲到，如果⽤ a 来表⽰数组的⾸地址，a[0] 就是偏移为 0 的位置，也就是⾸地址，a[k] 就表⽰偏移k个 type_size的位置，所以计算 a[k] 的内存地址只需要⽤这个公式：
a[k]_address = base_address + k * type_size
复制代码
但是，如果数组从 1 开始计数，那我们计算数组元素 a[k]的内存地址就会变为：
a[k]_address = base_address + (k-1)*type_size
复制代码
对⽐两个公式，我们不难发现，从 1 开始编号，每次随机访问数组元素都多了⼀次减法运算，对于 CPU 来说，就是多了⼀次减法指令。数组作为⾮常基础的数据结构，通过下标随机访问数组元素⼜是其⾮常基础的编程操作，效率的优化就要尽可能做到极致。所以为了减少⼀次减法操作，数组选择了从 0 开始编号，⽽不是从 1 开始。
基本顺序表与元素外围顺序表
如果列表存储的数据类型不同怎么办?现在存储的是相同的数据类型，每个数据的偏移量都是相同的
存储的地址，本⾝也是数据,⽆论你存的数据是什么，都会占⽤4个字节，那么可以将地址存储起来
顺序表的结构
⼀个顺序表的完整信息包括两部分，⼀部分是表中的元素集合，另⼀部分是为实现正确操作⽽需记录的信息，即有关表的整体情况的信息，这部分信息主要包括元素存储区的容量和当前表中已有的元素个数两项。
真实的顺序表，是如何把表头和数据进⾏存储的。
顺序表的两种基本实现⽅式
图a为⼀体式结构，存储表信息的单元与元素存储区以连续的⽅式安排在⼀块存储区⾥，两部分数据的整体形成⼀个完整的顺序表对象。
⼀体式结构整体性强，易于管理。但是由于数据元素存储区域是表对象的⼀部分，顺序表创建后，元素存储区就固定了。起始位置不是真正的数据，要跳过表头。
图b为分离式结构，表对象⾥只保存与整个表有关的信息(即容量和元素个数)，实际数据元素存放在另⼀个独⽴的元素存储区⾥，通过链接与基本表对象关联。分离式除了max,num还有内存地址，指向真实的元素存储区
这两种谁优谁劣呢?，在真正发⽣数据存储的时候，会发⽣什么情况？
元素存储区替换
⼀体式结构由于顺序表信息区与数据区连续存储在⼀起，所以若想更换数据区，则只能整体搬迁，即整
个顺序表对象(指存储顺序表的结构信息的区域)改变了。
分离式结构若想更换数据区，只需将表信息区中的数据区链接地址更新即可，⽽该顺序表对象不变。
元素存储区扩充
采⽤分离式结构的顺序表，若将数据区更换为存储空间更⼤的区域，则可以在不改变表对象的前提下对其数据存储区进⾏了扩充，所有使⽤这个表的地⽅都不必修改。只要程序的运⾏环境(计算机系统)还有空闲存储，这种表结构就不会因为满了⽽导致操作⽆法进⾏。⼈们把采⽤这种技术实现的顺序表称为动态顺序表，因为其容量可以在使⽤中动态变化。
扩充的两种策略
每次扩充增加固定数⽬的存储位置，如每次扩充增加10个元素位置，这种策略可称为线性增长。
特点：节省空间，但是扩充操作频繁，操作次数多。
每次扩充容量加倍，如每次扩充增加⼀倍存储空间。
特点：减少了扩充操作的执⾏次数，但可能会浪费空间资源。以空间换时间，推荐的⽅式。
顺序表的操作
增加元素
a. 尾端加⼊元素，时间复杂度为O(1)
b. ⾮保序的加⼊元素(不常见)，时间复杂度为O(1)
c. 保序的元素加⼊，时间复杂度为O(n) # 保序是插⼊元素，原先的顺序不变
删除元素
python 定义数组a. 删除表尾元素，时间复杂度为O(1)
b. ⾮保序的元素删除(不常见)，时间复杂度为O(1)
c. 保序的元素删除，时间复杂度为O(n)
Python中的顺序表
Python中的list和tuple两种类型采⽤了顺序表的实现技术，具有前⾯讨论的顺序表的所有性质。
tuple是不可变类型，即不变的顺序表，因此不⽀持改变其内部状态的任何操作，⽽其他⽅⾯，则与list的性质类似。list的基本实现技术

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。