数据结构与算法：python语言实现

本书采用Python语言介绍数据结构和算法，包括其设计、分析和实施。本书源代码简洁、明确，面向对象的观点贯穿始终，通过继承大限度地提高代码重用，同时彰显不同抽象数据类型和算法之间的异同。

迈克尔·T. 古德里奇（Michael T. Goodrich） 加州大学欧文分校计算机科学系教授，之前是约翰·霍普金斯大学教授。他是AAAS、ACM和IEEE会士，曾荣获IEEE计算机协会技术成就奖和ACM卓越服务奖等。
罗伯托·塔马西亚（Roberto Tamassia） 布朗大学计算机科学系教授及系主任，兼任几何计算中心主任。他是AAAS、ACM和IEEE会士，曾荣获IEEE计算机协会技术成就奖。
迈克尔·H.戈德瓦瑟(Michael H. Goldwasser) 圣路易斯大学数学系和计算机科学系教授，兼任计算机科学项目主任，之前曾在芝加哥罗耀拉大学任教。

高效数据结构的设计与分析，长期以来一直被认为是计算领域的一个重要主题，同时也是计算机科学与计算机工程本科教学中的核心课程。本书介绍数据结构和算法，包括其设计、分析和实现，可在初级数据结构或中级算法导论课程中使用。我们随后会更详细地讨论如何在这些课程中使用本书。
为了提高软件开发的健壮性和可重用性，我们在本书中采取一致的面向对象的视角。面向对象方法的一个主要思想是数据应该被封装，然后提供访问和修改它们的方法。我们不能简单地将数据看作字节和地址的集合，数据对象是抽象数据类型（Abstract Data Type，ADT）的实例，其中包括可在这种类型的数据对象上执行的操作方法的集合。我们强调的是对于一个特定的ADT可能有几种不同的实现策略，并探讨这些选择的优点和缺点。我们几乎为书中的所有数据结构和算法都提供了完整的Python实现，并介绍了将这些实现组织为可重用的组件所需的重要的面向对象设计模式。
通过阅读本书，读者可以：
对常见数据集合的抽象有一定了解（如栈、队列、表、树、图）。
理解生成常用数据结构的高效实现的算法策略。
通过理论方法和实验方法分析算法的性能，并了解竞争策略之间的权衡。
明智地利用编程语言库中已有的数据结构和算法。
拥有大多数基础数据结构和算法的具体实现经验。
应用数据结构和算法来解决复杂的问题。
为了达到最后一个目标，我们在书中提供了数据结构的很多应用实例，包括：文本处理系统，结构化格式（如HTML）的标签匹配，简单的密码技术，文字频率分析，自动几何布局，霍夫曼编码，DNA序列比对，以及搜索引擎索引。
本书特色
本书主要基于由Goodrich和Tamassia所著的《Data Structures and Algorithms in Java》，以及由Goodrich、Tamassia和Mount所著的《Data Structures and Algorithms in C++》编写而成。然而，我们并不是简单地用Python语言实现以上书籍的内容。为了充实内容，我们重新设计了本书：
对全部代码进行了重新设计，以充分利用Python的优势，如使用生成器迭代集合的元素。
在Java和C++版本中，我们提供了很多伪代码，而本书则提供了Python实现的完整代码。
在一般情况下，ADT被定义为与Python内建数据类型和Python的collections模块具有一致的接口。
第5章深入探讨了Python中基于动态数组的内置数据结构，如list、tuple和str类。新增的附录A提供了关于str类功能的进一步讲解。
重新绘制或修改了超过450幅插图。
经过新增和修订，练习的总数达到750个。
在线资源
本书提供一系列丰富的在线资源，可访问以下网站获取：
www.wiley.com/college/goodrich
鼓励学生在学习本书时使用这个网址，以更有效地进行练习并提高对所学知识的认识。也欢迎教师使用本网站来帮助规划、组织和展示他们的课程材料。对于教师和学生而言，网站中包含一系列与本书主题相关的教学资源，由于它们是有附加价值的，所以一些网上资源受密码保护。
对于所有的读者，尤其是学生，我们有以下资源：
书中所有Python程序的源代码。
提供给教师的PDF讲义版PPT（每页四张）。
保存所有练习提示的数据库，以练习的编号为索引。
对于使用本书的教师，我们有以下额外的教学辅助资源：
本书练习的答案。
书中所有图形和插图的彩色版本。
PPT和PDF版本的幻灯片，其中PDF版本为每页一张。
PPT是完全可编辑的，教师可根据自己的课程需求进行修改。在教师使用本书作为教材时，所有的在线资源不收取额外费用。
内容和组织
书中各章节的内容循序渐进，适于教学。从Python编程和面向对象设计的基础开始，然后逐渐增加如算法分析和递归之类的基础技术。在本书的主体部分中，我们展示了基本的数据结构和算法，并且包括对内存管理的讨论（也是数据结构的架构基础）。本书的章节安排如下：
第1章　Python入门
第2章　面向对象编程
第3章　算法分析
第4章　递归
第5章　基于数组的序列
第6章　栈、队列和双端队列
第7章　链表
第8章　树
第9章　优先级队列
第10章　映射、哈希表和跳跃表
第11章　搜索树
第12章　排序与选择
第13章　文本处理
第14章　图算法
第15章　内存管理和B树
附录A　Python中的字符串
附录B　有用的数学定理
预备知识
我们假设读者至少接触过一种高级语言，如C、C++、Python或Java，可以理解相关高级语言的主要概念，包括：
变量和表达式。
决策结构（if语句和switch语句）。
迭代结构（for循环和while循环）。
函数（无论是过程式方法还是面向对象方法）。
对于已经熟悉这些概念但还不清楚如何在Python中应用的读者，我们建议将第1章作为Python语言的入门。这本书主要讨论数据结构，而不是讲解Python，因此并没有详尽介绍Python。
直到第2章才开始使用Python中的面向对象编程，这一章对于那些Python新手以及熟悉Python但不熟悉面向对象编程的人都是有用的。
就数学背景而言，我们假定读者多少熟悉些高中数学知识。即便如此，在第3章中，我们先讨论了算法分析的7个最重要的功能。若所涉及的内容超出了这7个功能，则作为可选章节，用星号（*）标记。附录B对其他有用的数学定理做了总结，包括初等概率等。
计算机科学课程的设计
为了帮助教师在IEEE/ACM 2013的框架下设计教学课程，下表描述了本书涵盖的知识要点。
知识要点 相关章节
AL/基本分析 第3章，4.2节，12.2.4节
AL/算法策略 12.2.1节，13.2.1节，13.3节，13.4.2节
AL/基本数据结构与算法 4.1.3节，5.5.2节，9.4.1节，9.3节，10.2节，11.1节，13.2节，第12章，第14章的大部分内容
AL/高级数据结构 5.3节，10.4节，11.2～11.6节，12.3.1节，13.5节，14.5节，15.3节
AR/内存系统组织和架构 第15章
DS/集合、关系和功能 10.5.1节，10.5.2节，9.4节
DS/证明技巧 3.4节，4.2节，5.3.2节，9.3.6节，12.4.1节
DS/基础计数 2.4.2节，6.2.2节，12.2.4节，8.2.2节，附录B
DS/图和树 第8章和第14章的大部分内容
DS/离散概率 1.11节，10.2节，10.4.2节，12.3.1节
PL/面向对象编程 本书的大部分内容，特别是第2章以及7.4节、9.5.1节、10.1.3节和11.2节
PL/函数式编程 1.10节
SDF/算法和设计 2.1节，3.3节，12.2.1节
SDF/基本编程概念 第1章，第4章
SDF/基本数据结构 第6章，第7章，附录A，1.2.1节，5.2节，5.4节，9.1节，10.1节
SDF/开发方法 1.7节，2.2节
SE/软件设计 2.1节，2.1.3节

出版者的话
译者序
前言
致谢
作者简介
第1章　Python入门 1
1.1　Python概述 1
1.1.1　Python解释器 1
1.1.2　Python程序预览 1
1.2　Python对象 2
1.2.1　标识符、对象和赋值语句 2
1.2.2　创建和使用对象 4
1.2.3　Python的内置类 4
1.3　表达式、运算符和优先级 8
1.4　控制流程 12
1.4.1　条件语句 12
1.4.2　循环语句 14
1.5　函数 16
1.5.1　信息传递 17
1.5.2　Python的内置函数 19
1.6　简单的输入和输出 20
1.6.1　控制台输入和输出 21
1.6.2　文件 21
1.7　异常处理 22
1.7.1　抛出异常 23
1.7.2　捕捉异常 24
1.8　迭代器和生成器 26
1.9　Python的其他便利特点 28
1.9.1　条件表达式 29
1.9.2　解析语法 29
1.9.3　序列类型的打包和解包 30
1.10　作用域和命名空间 31
1.11　模块和import语句 32
1.12　练习 34
扩展阅读 36
第2章　面向对象编程 37
2.1　目标、原则和模式 37
2.1.1　面向对象的设计目标 37
2.1.2　面向对象的设计原则 38
2.1.3　设计模式 39
2.2　软件开发 40
2.2.1　设计 40
2.2.2　伪代码 41
2.2.3　编码风格和文档 42
2.2.4　测试和调试 43
2.3　类定义 44
2.3.1　例子：CreditCard类 45
2.3.2 运算符重载和Python的特殊方法 48
2.3.3　例子：多维向量类 50
2.3.4　迭代器 51
2.3.5　例子：Range类 52
2.4　继承 53
2.4.1　扩展CreditCard类 54
2.4.2　数列的层次图 57
2.4.3　抽象基类 60
2.5　命名空间和面向对象 62
2.5.1　实例和类命名空间 62
2.5.2　名称解析和动态调度 65
2.6　深拷贝和浅拷贝 65
2.7　练习 67
扩展阅读 70
第3章　算法分析 71
3.1　实验研究 71
3.2　本书使用的7种函数 74
3.2.1　常数函数 74
3.2.2　对数函数 74
3.2.3　线性函数 75
3.2.4　n-log-n函数 75
3.2.5　二次函数 76
3.2.6　三次函数和其他多项式 77
3.2.7　指数函数 77
3.2.8　比较增长率 79
3.3　渐近分析 79
3.3.1　大O符号 80
3.3.2　比较分析 82
3.3.3　算法分析示例 84
3.4　简单的证明技术 89
3.4.1　示例 89
3.4.2　反证法 89
3.4.3　归纳和循环不变量 90
3.5　练习 91
扩展阅读 95
第4章　递归 96
4.1　说明性的例子 96
4.1.1　阶乘函数 96
4.1.2　绘制英式标尺 97
4.1.3　二分查找 99
4.1.4　文件系统 101
4.2　分析递归算法 104
4.3　递归算法的不足 106
4.4　递归的其他例子 109
4.4.1　线性递归 109
4.4.2　二路递归 112
4.4.3　多重递归 113
4.5　设计递归算法 114
4.6　消除尾递归 115
4.7　练习 116
扩展阅读 118
第5章　基于数组的序列 119
5.1　Python序列类型 119
5.2　低层次数组 119
5.2.1　引用数组 121
5.2.2　Python中的紧凑数组 122
5.3　动态数组和摊销 124
5.3.1　实现动态数组 126
5.3.2　动态数组的摊销分析 127
5.3.3　Python列表类 130
5.4　Python序列类型的效率 130
5.4.1　Python的列表和元组类 130
5.4.2　Python的字符串类 134
5.5　使用基于数组的序列 136
5.5.1　为游戏存储高分 136
5.5.2　为序列排序 138
5.5.3　简单密码技术 140
5.6　多维数据集 142
5.7　练习 145
扩展阅读 147
第6章　栈、队列和双端队列 148
6.1　栈 148
6.1.1　栈的抽象数据类型 148
6.1.2 简单的基于数组的栈实现 149
6.1.3　使用栈实现数据的逆置 152
6.1.4　括号和HTML标记匹配 152
6.2　队列 155
6.2.1　队列的抽象数据类型 155
6.2.2　基于数组的队列实现 156
6.3　双端队列 160
6.3.1 双端队列的抽象数据类型 160
6.3.2 使用环形数组实现双端队列 161
6.3.3 Python collections模块中的双端队列 162
6.4　练习 163
扩展阅读 165
第7章　链表 166
7.1　单向链表 166
7.1.1　用单向链表实现栈 169
7.1.2　用单向链表实现队列 171
7.2　循环链表 173
7.2.1　轮转调度 173
7.2.2　用循环链表实现队列 174
7.3　双向链表 175
7.3.1　双向链表的基本实现 177
7.3.2　用双向链表实现双端队列 179
7.4　位置列表的抽象数据类型 180
7.4.1 含位置信息的列表抽象数据类型 182
7.4.2　双向链表实现 183
7.5　位置列表的排序 186
7.6　案例研究：维护访问频率 186
7.6.1　使用有序表 187
7.6.2　启发式动态调整列表 188
7.7 基于链接的序列与基于数组的序列 190
7.8　练习 192
扩展阅读 195
第8章　树 196
8.1　树的基本概念 196
8.1.1　树的定义和属性 196
8.1.2　树的抽象数据类型 199
8.1.3　计算深度和高度 201
8.2　二叉树 203
8.2.1　二叉树的抽象数据类型 204
8.2.2　二叉树的属性 206
8.3　树的实现 207
8.3.1　二叉树的链式存储结构 207
8.3.2　基于数组表示的二叉树 212
8.3.3　一般树的链式存储结构 214
8.4　树的遍历算法 214
8.4.1　树的先序和后序遍历 214
8.4.2　树的广度优先遍历 216
8.4.3　二叉树的中

python,算法,数据结构与算法,数据结构,计算机科学,Python,计算机,编程