Python 數據結構與算法分析, 2/e (Problem Solving with Algorithms and Data Structures Using Python, 2/e)
[美] 布拉德利·米勒（Bradley N. Miller） 戴維·拉努姆（David L. Ranum）
- 出版商: 人民郵電
- 出版日期: 2019-09-01
- 定價: $474
- 售價: 5.0 折 $237
- 語言: 簡體中文
- 頁數: 296
- ISBN: 7115517215
- ISBN-13: 9787115517210
-
相關分類:
Python、Algorithms-data-structures、Algorithms-data-structures
- 此書翻譯自: Problem Solving with Algorithms and Data Structures Using Python, 2/e (dhl)
立即出貨 (庫存=1)
買這商品的人也買了...
-
The Art of Computer Programming, Volume2 : Seminumerical Algorithms, 3/e (Hardcover)$2,980$2,831 -
The Art of Computer Programming, Volume 1 : Fundamental Algorithms, 3/e (Hardcover)$2,980$2,831 -
離散與組合數學 (Discrete and Combinatorial Mathematics, 5/e)$980$931 -
線性代數, 2/e (Elementary Linear Algebra: A Matrix Approach, 2/e)$750$675 -
Data Structures and Algorithms in Python (Hardcover)$2,100$2,058 -
演算法, 4/e (Algorithms, 4/e)$779$740 -
Think Python｜學習程式設計的思考概念, 2/e (Think Python: How to Think Like a Computer Scientist, 2/e)$520$411 -
$419算法圖解 (Grokking Algorithms: An illustrated guide for programmers and other curious people) -
R語言 -- 邁向 Big Data之路 (最新版)$580$493 -
Python 機器學習, 2/e (Python Machine Learning, 2/e)$690$538 -
APCS 大學程式設計先修檢測：Python 超效解題致勝祕笈$360$281 -
Deep learning 深度學習必讀 - Keras 大神帶你用 Python 實作 (Deep Learning with Python)$1,000$790 -
演算法：最強彩色圖鑑 + Python程式實作 -- 王者歸來 (全彩印刷)$680$537 -
非監督式學習｜使用 Python (Hands-On Unsupervised Learning Using Python)$680$537 -
$534數據結構和算法 Python 和 C++ 語言描述 -
Fundamentals of Electric Circuits, 7/e (IE-Paperback)$1,350$1,323 -
$422Python 編程 300例 — 快速構建可執行高質量代碼 -
Python 最強入門邁向頂尖高手之路：王者歸來, 2/e (全彩版)$1,080$853 -
Effective Python 中文版｜寫出良好 Python 程式的 90個具體做法, 2/e (Effective Python: 90 Specific Ways to Write Better Python, 2/e)$580$493 -
Advanced Engineering Mathematics, 7/e (Paperback)$1,420$1,392 -
The 8051 Microcontroller and Embedded Systems, 2/e (NIE-Paperback)$1,400$1,372 -
64位元 Debian Linux 作業系統實務 -- Bullseye 版$640$627 -
現代 C++ 語言核心特性解析$719$683 -
Fundamentals of Microelectronics : With Robotics And Bioengineering Applications, 3/e (Paperback)$1,640$1,607 -
Linux 高性能網絡詳解：從 DPDK、RDMA 到 XDP$713$677
相關主題
商品描述
瞭解數據結構與算法是透徹理解電腦科學的前提。隨著Python日益廣泛的應用，Python程序員需要實現與傳統的面向對象編程語言相似的數據結構與算法。本書是用Python描述數據結構與算法的開山之作，匯聚了作者多年的實戰經驗，向讀者透徹講解在Python環境下，如何通過一系列存儲機制高效地實現各類算法。通過本書，讀者將深刻理解Python數據結構、遞歸、搜索、排序、樹與圖的應用，等等。
作者簡介
戴維·拉努姆（David L. Ranum），IBM Watson認知軟件工程師，醫學信息學博士，致力於利用自然語言處理等人工智能技術解決醫療問題，曾在美國路德學院講授計算機科學課程近三十載。
目錄大綱
第1章 導論
1.1 本章目標
1.2 入門
1.3 何謂計算機科學
1.3.1 何謂編程
1.3.2 為何學習數據結構及抽象數據類型
1.3.3 為何學習算法
1.4 Python基礎
1.4.1 數據
1.4.2 輸入與輸出
1.4.3 控制結構
1.4.4 異常處理
1.4.5 定義函數
1.4.6 Python面向對象編程：定義類
1.5 小結
1.6 關鍵術語
1.7 討論題
1.8 編程練習
第2章 算法分析
2.1 本章目標
2.2 何謂算法分析
2.2.1 大O記法
2.2.2 異序詞檢測示例
2.3 Python數據結構的性能
2.3.1 列表
2.3.2 字典
2.4 小結
2.5 關鍵術語
2.6 討論題
2.7 編程練習
第3章 基本數據結構
3.1 本章目標
3.2 何謂線性數據結構
3.3 棧
3.3.1 何謂棧
3.3.2 棧抽象數據類型
3.3.3 用Python實現棧
3.3.4 匹配括號
3.3.5 普通情況：匹配符號
3.3.6 將十進制數轉換成二進制數
3.3.7 前序、中序和後序表達式
3.4 隊列
3.4.1 何謂隊列
3.4.2 隊列抽象數據類型
3.4.3 用Python實現隊列
3.4.4 模擬：傳土豆
3.4.5 模擬：打印任務
3.5 雙端隊列
3.5.1 何謂雙端隊列
3.5.2 雙端隊列抽象數據類型
3.5.3 用Python實現雙端隊列
3.5.4 回文檢測器
3.6 列表
3.6.1 無序列表抽象數據類型
3.6.2 實現無序列表：鏈表
3.6.3 有序列表抽象數據類型
3.6.4 實現有序列表
3.7 小結
3.8 關鍵術語
3.9 討論題
3.10 編程練習
第4章 遞歸
4.1 本章目標
4.2 何謂遞歸
4.2.1 計算一列數之和
4.2.2 遞歸三原則
4.2.3 將整數轉換成任意進制的字符串
4.3 棧幀：實現遞歸
4.4 遞歸可視化
4.5 覆雜的遞歸問題
4.6 探索迷宮
4.7 動態規劃
4.8 小結
4.9 關鍵術語
4.10 討論題
4.11 編程練習
第5章 搜索和排序
5.1 本章目標
5.2 搜索
5.2.1 順序搜索
5.2.2 二分搜索
5.2.3 散列
5.3 排序
5.3.1 冒泡排序
5.3.2 選擇排序
5.3.3 插入排序
5.3.4 希爾排序
5.3.5 歸並排序
5.3.6 快速排序
5.4 小結
5.5 關鍵術語
5.6 討論題
5.7 編程練習
第6章 樹
6.1 本章目標
6.2 示例
6.3 術語及定義
6.4 實現
6.4.1 列表之列表
6.4.2 節點與引用
6.5 二叉樹的應用
6.5.1 解析樹
6.5.2 樹的遍歷
6.6 利用二叉堆實現優先級隊列
6.6.1 二叉堆的操作
6.6.2 二叉堆的實現
6.7 二叉搜索樹
6.7.1 搜索樹的操作
6.7.2 搜索樹的實現
6.7.3 搜索樹的分析
6.8 平衡二叉搜索樹
6.8.1 AVL樹的性能
6.8.2 AVL樹的實現
6.8.3 映射實現總結
6.9 小結
6.10 關鍵術語
6.11 討論題
6.12 編程練習
第7章 圖及其算法
7.1 本章目標
7.2 術語及定義
7.3 圖的抽象數據類型
7.3.1 鄰接矩陣
7.3.2 鄰接表
7.3.3 實現
7.4 寬度優先搜索
7.4.1 詞梯問題
7.4.2 構建詞梯圖
7.4.3 實現寬度優先搜索
7.4.4 分析寬度優先搜索
7.5 深度優先搜索
7.5.1 騎士周遊問題
7.5.2 構建騎士周遊圖
7.5.3 實現騎士周遊
7.5.4 分析騎士周遊
7.5.5 通用深度優先搜索
7.5.6 分析深度優先搜索
7.6 拓撲排序
7.7 強連通單元
7.8 最短路徑問題
7.8.1 Dijkstra算法
7.8.2 分析Dijkstra算法
7.8.3 Prim算法
7.9 小結
7.10 關鍵術語
7.11 討論題
7.12 編程練習
第8章 附加內容
8.1 本章目標
8.2 覆習Python列表
8.3 覆習遞歸
8.3.1 同余定理
8.3.2 冪剩余
8.3.3 最大公因數與逆元
8.3.4 RSA算法
8.4 覆習字典：跳表
8.4.1 映射抽象數據類型
8.4.2 用Python實現字典
8.5 覆習樹：量化圖片
8.5.1 數字圖像概述
8.5.2 量化圖片
8.5.3 使用八叉樹改進量化算法
8.6 覆習圖：模式匹配
8.6.1 生物學字符串
8.6.2 簡單比較
8.6.3 使用圖：DFA
8.6.4 使用圖：KMP
8.7 小結
8.8 關鍵術語
8.9 討論題
8.10 編程練習
附錄A Python圖形包
附錄B Python資源
參考資料
