原著: 《Problem Solving with Algorithms and Data Structures using Python》

• 1.介绍

  • 1.1.目标
  • 1.2.快速开始
  • 1.3.什么是计算机科学
  • 1.4.什么是编程
  • 1.5.为什么要学习数据结构和抽象数据类型
  • 1.6.为什么要学习算法
  • 1.7.回顾Python基础
  • 1.8.数据入门
  • 1.9.输入和输出
  • 1.10.控制结构
  • 1.11.处理异常
  • 1.12.定义函数
  • 1.13.面向对象编程-定义类
  • 1.14.总结

• 3.算法分析

  • 3.1.目标
  • 3.2.什么是算法分析
  • 3.3.大O符号
  • 3.4.一个乱序字符串检查的例子
  • 3.5.Python数据结构的性能
  • 3.6.列表
  • 3.7.字典
  • 3.8.总结

• 4.基本数据结构

  • 4.1.目标
  • 4.2.什么是线性数据结构
  • 4.3.什么是栈
  • 4.4.栈的抽象数据类型
  • 4.5.Python实现栈
  • 4.6.简单括号匹配
  • 4.7.符号匹配
  • 4.8.十进制转换成二进制
  • 4.9.中缀前缀和后缀表达式
  • 4.10.什么是队列
  • 4.11.队列抽象数据类型
  • 4.12.Python实现队列
  • 4.13.模拟：烫手山芋
  • 4.14.模拟：打印机
  • 4.15.什么是Deque
  • 4.16.Deque抽象数据类型
  • 4.17.Python实现Deque
  • 4.18.回文检查
  • 4.19.列表
  • 4.20.无序列表抽象数据类型
  • 4.21.实现无序列表：链表
  • 4.22.有序列表抽象数据结构
  • 4.23.实现有序列表
  • 4.24.总结

• 5.递归

  • 5.1.目标
  • 5.2.什么是递归
  • 5.3.计算整数列表和
  • 4.5.递归的三定律
  • 5.5.整数转换为任意进制字符串
  • 5.6.栈帧：实现递归
  • 5.7.介绍：可视化递归
  • 5.8.谢尔宾斯基三角形
  • 5.10.汉诺塔游戏
  • 5.11.探索迷宫
  • 5.12.动态规划
  • 5.13.总结

• 6.排序和搜索

  • 6.1.目标
  • 6.2.搜索
  • 6.3.顺序查找
  • 6.4.二分查找
  • 6.5.Hash查找
  • 6.6.排序
  • 6.7.冒泡排序
  • 6.8.选择排序
  • 6.9.插入排序
  • 6.10.希尔排序
  • 6.11.归并排序
  • 6.12.快速排序
  • 6.13.总结

• 7.树和树的算法

  • 7.1.目标
  • 7.2.树的例子
  • 7.3.词汇和定义
  • 7.4.列表表示
  • 7.5.节点表示
  • 7.6.分析树
  • 7.7.树的遍历
  • 7.8.基于二叉堆的优先队列
  • 7.9.二叉堆操作
  • 7.10.二叉堆实现
  • 7.11.二叉查找树
  • 7.12.查找树操作
  • 7.13.查找树实现
  • 7.14.查找树分析
  • 7.15.平衡二叉搜索树
  • 7.16.AVL平衡二叉搜索树
  • 7.17.AVL平衡二叉搜索树实现
  • 7.18.Map抽象数据结构总结
  • 7.19.总结

• 8.图和图的算法

  • 8.1.目标
  • 8.2.词汇和定义
  • 8.3.图抽象数据类型
  • 8.4.邻接矩阵
  • 8.5.邻接表
  • 8.6.实现
  • 8.7.字梯的问题
  • 8.8.构建字梯图
  • 8.9.实现广度优先搜索
  • 8.10.广度优先搜索分析
  • 8.11.骑士之旅
  • 8.12.构建骑士之旅图
  • 8.13.实现骑士之旅
  • 8.14.骑士之旅分析
  • 8.15.通用深度优先搜索
  • 8.16.深度优先搜索分析
  • 8.17.拓扑排序
  • 8.18.强连通分量
  • 8.19.最短路径问题
  • 8.20.Dijkstra算法
  • 8.21.Dijkstra算法分析
  • 8.22.Prim生成树算法
  • 8.23.总结

ll_reading_plan: 0001_230721

我打算以这套文档为底板，在上面添加自己的学习笔记。我添加的内容将以<div>嵌入原文中。