Python中栈、队列和优先级队列的实现

关于我
编程界的一名小小程序猿，目前在一个创业团队任team lead，技术栈涉及Android、Python、Java和Go，这个也是咱们团队的主要技术栈。 联系：hylinux1024@gmail.com

栈、队列和优先级队列都是很是基础的数据结构。Python做为一种“编码高效”的语言，对这些基础的数据结构都有比较好的实现。在业务需求开发过程当中，不该该重复造轮子，今天就来看看些数据结构都有哪些实现。

0x00 栈(Stack)

栈是一种LIFO(后进先出)的数据结构，有入栈(push)、出栈(pop)两种操做，且只能操做栈顶元素。

在Python中有多种能够实现栈的数据结构。

一、list

list是Python内置的列表数据结构，它支持栈的特性，有入栈和出栈操做。只不过用list实现栈性能不是特别好。
由于list内部是经过一个动态扩容的数组来实现的。当增减元素时就有可能会触发扩容操做。若是在list的头部增减元素，也会移动整个列表。

如要使用list来实现一个栈的话，可使用list的append()(入栈)、pop()(出栈)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
复制代码

二、collections.deque

deque类是一种双端队列。在Python中它就是一个双向列表，能够以经常使用时间在两端执行添加和删除元素的操做，很是高效，因此它既能够实现栈也能够实现队列。

若是要在Python实现一个栈，那么应该优先选择deque，而不是list。

deque的入栈和出栈方法也分别是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
复制代码

三、queue.LifoQueue

顾名思义，这个就是一个栈。不过它是线程安全的，若是要在并发的环境下使用，那么就能够选择使用LifoQueue。 它入栈和出栈操做是使用put()和get()，其中get()在LifoQueue为空时会阻塞。

>>> 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栈不为空
复制代码

0x01 队列(Queue)

队列是一种FIFO(先进先出)的数据结构。它有入队(enqueue)、出队(dequeue)两种操做，并且也是常数时间的操做。

在Python中可使用哪些数据结构来实现一个队列呢？

一、list

list能够实现一个队列，但它的入队、出队操做就不是很是高效了。由于list是一个动态列表，在队列的头部执行出队操做时，会发生整个元素的移动。

使用list来实现一个队列时，用append()执行入队操做，使用pop(0)方法在队列头部执行出队操做。因为在list的第一个元素进行操做，因此后续的元素都会向前移动一位。所以用list来实现队列是不推荐的。

>>> 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
复制代码

二、collections.deque

从上文咱们已经知道deque是一个双向列表，它能够在列表两端以常数时间进行添加删除操做。因此用deque来实现一个队列是很是高效的。
deque入队操做使用append()方法，出队操做使用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出队
>>> q.popleft()
'eat'
>>> q.popleft()
'sleep'
>>> q.popleft()
'code'
>>> q.popleft()
IndexError: pop from an empty deque
复制代码

三、queue.Queue

一样地，若是要在并发环境下使用队列，那么选择线程安全的queue.Queue。
与LifoQueue相似，入队和出队操做分别是put()和get()方法，get()在队列为空时会一直阻塞直到有元素入队。

>>> 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'
# 队列为空不要执行等待
>>> q.get_nowait()
_queue.Empty
>>> q.put('111')
>>> q.get_nowait()
'111'
>>> q.get()
# 队列为空时，会一直阻塞直到队列不为空
复制代码

四、multiprocessing.Queue

多进程版本的队列。若是要在多进程环境下使用队列，那么应该选择multiprocessing.Queue。

一样地，它的入队出队操做分别是put()和get()。get()方法在队列为空，会一直阻塞直到队列不为空。

>>> 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()
# 队列为空时，会一直阻塞直到队列不为空
复制代码

0x02 优先级队列(PriorityQueue)

一个近乎排序的序列里可使用优先级队列这种数据结构，它能高效获取最大或最小的元素。

在调度问题的场景中常常会用到优先级队列。它主要有获取最大值或最小值的操做和入队操做。

一、list

使用list能够实现一个优先级队列，但它并不高效。由于当要获取最值时须要排序，而后再获取最值。一旦有新的元素加入，再次获取最值时，又要从新排序。因此并推荐使用。

二、heapq

通常来讲，优先级队列都是使用堆这种数据结构来实现。而heapq就是Python标准库中堆的实现。heapq默认状况下实现的是最小堆。

入队操做使用heappush()，出队操做使用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')
复制代码

三、queue.PriorityQueue

queue.PriorityQueue内部封装了heapq，不一样的是它是线程安全的。在并发环境下应该选择使用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')
复制代码

0x03 总结一下

不少基础的数据结构在Python中已经实现了的，咱们不该该重复造轮子，应该选择这些数据结构来实现业务需求。

collections.deque是一种双向链表，在单线程的状况下，它能够用来实现Stack和Queue。而heapq模块能够帮咱们实现高效的优先级队列。

若是要在多并发的状况下使用Stack、Queue和PriorityQueue的话，那么应该选用queue模块下类：

• 实现Stack的queue.LifoQueue
• 实现Queue的queue.Queue或multiprocessing.Queue
• 实现PriorityQueue的queue.PriorityQueue
• 以上这些类都有put()和get()方法，且get()会在栈/队列为空时阻塞。

0x04 学习资料

• Python Tricks: A Buffet of Awesome Python Features ——Dan Bader