Python 用于双端排序列表的最佳数据结构
我需要一个可以执行以下操作的集合数据结构：Python 用于双端排序列表的最佳数据结构,python,performance,algorithm,data-structures,collections,Python,Performance,Algorithm,Data Structures,Collections,我需要一个可以执行以下操作的集合数据结构： 分类 允许我快速弹出列表O（日志n）前后的值 插入新值后保持排序 允许使用用户指定的比较函数，因为我将存储元组并希望对特定值进行排序 不需要螺纹安全 可选地允许高效的haskey（）查找（不过我很乐意为此维护一个单独的哈希表） 我在这个阶段的想法是，我需要一个优先级队列和一个哈希表，尽管我不知道是否可以快速地从优先级队列的两端弹出值。另一种可能是简单地维护OrderedDictionary，并在每次添加更多数据时对其进行插入排序 因为我对中等数量的
- 分类
- 允许我快速弹出列表O（日志n）前后的值
- 插入新值后保持排序
- 允许使用用户指定的比较函数，因为我将存储元组并希望对特定值进行排序
- 不需要螺纹安全
- 可选地允许高效的haskey（）查找（不过我很乐意为此维护一个单独的哈希表）
k*O（n）kO（n）O（logn）此外，Python中是否有任何特定的实现？我真的不想自己写这段代码。如果这是Java，我会使用带有NavigableSet接口的树集
这是以红黑树的形式实现的。使用或数据库（如stdlib中的）可能会获得此类操作的良好性能。我建议使用某种平衡的二叉树，如红黑树 A抛出了几个实现。在谷歌上搜索会给你更多 在PyPi上看起来非常完整，同时有Python和C/Cython实现。我还没有用过它，所以请注意清空 红黑树保持排序，大多数操作（插入、删除、查找）都是O（log2（N）），因此在包含200000个条目的树中查找元素平均需要17-18次比较。听起来像是A可以满足您的所有要求。它基本上是一个动态大小的排序链表，带有O（logn）插入和删除 我不太懂Python，但这个链接似乎很相关：
我想您需要对它进行排序，因为您是按排序顺序按等级访问元素的吗 您可以使用任何平衡二叉树的任何实现，每个节点上都有额外的信息，这些信息告诉您该节点的后代数（通常称为 通过这种结构，给定元素的排名（甚至最小/最大），您可以在O（logn）时间内访问/删除它 这使得所有操作（按排名访问/插入/删除、前/后弹出、按值插入/删除/搜索）都是O（logn）时间，同时允许自定义排序方法 此外，python显然有一个AVL树（最早的平衡树结构之一）实现，它支持顺序统计：
因此，您不需要自定义实现。除了散列，您需要的是一个双端优先级队列，也称为优先级队列 如果您对排序的需求没有超出管理数据的最小值和最大值的范围，那么您可以查看的另一个结构可能是间隔堆，如果您需要查看值（尽管deleteMin和deleteMax仍然是O（log（N）），它的优点是O（1）查找最小值和最大值。不幸的是，我不知道Python中有任何实现，所以我认为您必须自己实现 下面是算法教科书的附录，如果您感兴趣，可以描述间隔堆： 如果您真的可以允许O（logn）用于pop、dequeue和insert，那么像红黑树这样的简单平衡搜索树就足够了 当然，您可以通过维护指向树中最小和最大元素的直接指针来优化它，然后在（1）向树中插入元素或（2）弹出或退出队列时更新它，这当然会使resp无效。指针。但是因为树是平衡的，所以仍然会出现一些混乱，您可以同时更新corr.指针 还有一种称为min-max heap（参见维基百科的二进制堆条目）的东西，它完全实现了一个“双端优先级队列”，即一个可以从前端和后端弹出的队列。然而，您不能按顺序访问整个对象列表，而搜索树可以在O（n）时间内高效地迭代
最小-最大堆的好处是当前的最小和最大对象可以在O（1）时间内读取，搜索树只需要O（log（n））来读取最小或最大对象，除非您有上面提到的缓存指针。我假设“快速弹出”最多意味着O（log n）。但是插入新值需要多快？O（n）？O（logn）？O（1）？感谢KennyTM，澄清了这个问题。blist包看起来非常有前途，对
blist.blist（）对分。在rt