Python

Forwarded from Python3

📚 آموزش ساختمان داده‌ها در پایتون 🚀

سلام دوستان! امروز می‌خوام یه سری آموزش درباره ساختمان داده‌ها (Data Structures) بهتون بدم. ساختمان داده‌ها از پایه‌های مهم علم کامپیوتر هستن و برای هر برنامه‌نویسی ضروری‌ان. 🌟

🔢 لیست‌ها (Lists)
لیست‌ها یکی از پرکاربردترین ساختمان داده‌ها در پایتون هستند. با استفاده از لیست‌ها می‌توانیم مجموعه‌ای از آیتم‌ها را نگهداری کنیم. لیست‌ها می‌توانند شامل انواع مختلف داده‌ها باشند و قابلیت اضافه کردن، حذف کردن و دسترسی به عناصر را به راحتی فراهم می‌کنند.

مثال:

my_list = [1, 2, 3, 4, 5]
print(my_list)
# خروجی: [1, 2, 3, 4, 5]

my_list.append(6)
print(my_list)
# خروجی: [1, 2, 3, 4, 5, 6]

my_list.remove(3)
print(my_list)
# خروجی: [1, 2, 4, 5, 6]

print(my_list[2])
# خروجی: 4

کاربردها:
- ذخیره‌سازی مجموعه‌ای از داده‌ها: مثلاً لیستی از نام‌ها یا اعداد.
- دسترسی و تغییر سریع داده‌ها: اضافه و حذف عناصر در لیست به سادگی انجام می‌شود.
- پیاده‌سازی سایر ساختمان داده‌ها: لیست‌ها می‌توانند برای پیاده‌سازی ساختمان داده‌های پیچیده‌تر مانند پشته و صف استفاده شوند.

🧵 پشته‌ها (Stacks)
پشته‌ها ساختمان داده‌ای هستند که بر اساس اصل "آخرین ورودی، اولین خروجی" (LIFO) کار می‌کنند. یعنی آخرین عنصری که وارد پشته می‌شود، اولین عنصری است که خارج می‌شود.

مثال:

stack = []
stack.append(1)
stack.append(2)
print(stack)
# خروجی: [1, 2]

stack.pop()
print(stack)
# خروجی: [1]

stack.append(3)
print(stack)
# خروجی: [1, 3]

کاربردها:
- پیاده‌سازی فراخوانی‌های بازگشتی: ذخیره‌سازی متغیرها و حالت‌های موقت در هنگام اجرای توابع بازگشتی.
- مدیریت صفحات مرورگر: بازگشت به صفحه قبلی با استفاده از پشته.
- بررسی تعادل پرانتزها: در تجزیه و تحلیل کدها و معادلات ریاضی.

🌲 درخت‌ها (Trees)
درخت‌ها ساختاری سلسله‌مراتبی دارند و برای نمایش روابط سلسله‌مراتبی استفاده می‌شوند. هر درخت از گره‌هایی (Nodes) تشکیل شده که هر گره می‌تواند صفر یا چند فرزند (Child) داشته باشد.

مثال:

class Node:
    def __init__(self, key):
        self.left = None
        self.right = None
        self.val = key

root = Node(1)
root.left = Node(2)
root.right = Node(3)
print(root.val) # 1
print(root.left.val) # 2
print(root.right.val) # 3

کاربردها:
- مدیریت داده‌های سلسله‌مراتبی: مانند ساختار فایل‌ها در سیستم عامل‌ها.
- جستجوی سریع: استفاده از درخت‌های جستجو دودویی برای جستجو و درج سریع داده‌ها.
- تجزیه و تحلیل عبارات ریاضی: استفاده از درخت‌های تجزیه برای محاسبه عبارات ریاضی.

🔄 صف‌ها (Queues)
صف‌ها بر اساس اصل "اولین ورودی، اولین خروجی" (FIFO) کار می‌کنند. یعنی اولین عنصری که وارد صف می‌شود، اولین عنصری است که خارج می‌شود.

مثال:

from collections import deque
queue = deque([1, 2, 3])
queue.append(4)
queue.popleft()
print(queue)
# خروجی: deque([2, 3, 4])

کاربردها:
- مدیریت صف‌های پردازش: مانند صف چاپگرها یا صف پردازش کارها در سیستم‌عامل.
- مدیریت درخواست‌های وب: صف‌بندی درخواست‌های وب برای پردازش.
- پیاده‌سازی الگوریتم‌های مسیریابی: مانند الگوریتم BFS در گراف‌ها.

🔍 هش‌مپ‌ها (Hash Maps)
هش‌مپ‌ها برای ذخیره‌سازی جفت‌های کلید و مقدار استفاده می‌شوند و دسترسی سریع به داده‌ها را فراهم می‌کنند.

مثال:

hash_map = {}
hash_map['key1'] = 'value1'
print(hash_map['key1'])
# خروجی: value1

کاربردها:
- ذخیره‌سازی و بازیابی سریع داده‌ها: استفاده از کلید برای دسترسی به مقادیر به صورت سریع.
- پیاده‌سازی حافظه کش: ذخیره‌سازی نتایج محاسبات برای دسترسی سریع‌تر در آینده.
- مدیریت کاربران و جلسات: ذخیره‌سازی اطلاعات کاربری و جلسات در سیستم‌های وب.

📊 گراف‌ها (Graphs)
گراف‌ها مجموعه‌ای از رئوس (Nodes) و یال‌ها (Edges) هستند که ارتباط بین رئوس را نشان می‌دهند.

مثال:

graph = {
    'A': ['B', 'C'],
    'B': ['A', 'D', 'E'],
    'C': ['A', 'F'],
    'D': ['B'],
    'E': ['B', 'F'],
    'F': ['C', 'E']
}

کاربردها:
- مدیریت شبکه‌های اجتماعی: نمایش ارتباطات بین کاربران.
- مسیریابی و ناوبری: استفاده از گراف‌ها برای یافتن کوتاه‌ترین مسیرها در نقشه‌ها.
- تحلیل شبکه‌ها: تحلیل شبکه‌های ارتباطی و جریان‌های داده.

[inam kanal ma]

#پایتون #برنامه_نویسی #ساختمان_داده #آموزش

5 views06:21