Зачем мы изучаем структуру данных?

Как помогает структура данных?

Нужно ли держать это в уме?

Почему мы программируем?

Оцифровать процесс в реальном времени.

Для выполнения операций с данными необходимо иметь знания о структурах данных. Например, список, словари, наборы, карта, таблицы SQL, документы, кадры данных и т. д.

Что такое структура данных?

Основные структуры данных Python в Python включают список, набор, кортежи и словарь. Каждая из структур данных уникальна по-своему. Структуры данных — это «контейнеры», которые организуют и группируют данные по типу.

Чем помогает структура данных?

Манипулировать, вычислять данные и достигать желаемого результата.

Нужно ли держать это в уме?

Если вы знаете структуры данных, вам не нужно бояться разных языков программирования.

Вы можете легко перейти к любому виду программирования, потому что хорошо разбираетесь в структурах данных. Вы найдете синтаксис для соответствующего программирования для обработки данных.

Я не говорю, что вы можете быть суперменом в новом языке программирования поначалу, но вы не можете быть новичком в обработке данных.

Как структуры данных помогают нам стать лучшими программистами?

В программировании мы не можем полагаться на один язык программирования. В соответствии со сценарием бизнес-кейса мы должны выбрать соответствующий язык, который поможет нам решить проблему.

В то время структуры данных помогают нам мыслить в общем. Вы не будете чувствовать себя новичком.

Да, конечно! Вы должны приложить немало усилий, чтобы понять основы нового языка, в этом нет никаких компромиссов.

Пример использования:

Данные в формате JSON:

employee_details = {
 "DataEngineering":
      [{
       "EmpName" : "Chris Jackman", "EmpAge" : "34", "EmpGender" : "Male",
       "EmpDesg" : "Project Manager", "EmpId":1
       }, 
       {
        "EmpName" : "Mary Jane",  "EmpAge" : "27",  "EmpGender" : "Female",
        "EmpDesg" : "Team Leader",  "EmpId":2
        },
         {
        "EmpName" : "Ramesh",  "EmpAge" : "27",  "EmpGender" : "Male",
        "EmpDesg" : "Module Lead",  "EmpId":3
        }
       ],
"Testing":
        [{
         "EmpName" : "Varu", "EmpAge" : "34", "EmpGender" : "Female",
         "EmpDesg" : "Project Manager", "EmpId":4
         }, 
           {
          "EmpName" : "Paul",  "EmpAge" : "35",  "EmpGender" : "Male",
          "EmpDesg" : "Team Leader",  "EmpId":5
          },
           {
          "EmpName" : "John",  "EmpAge" : "27",  "EmpGender" : "Male",
          "EmpDesg" : "Module Lead",  "EmpId":6
          }    
         ]
}

из приведенных выше данных JSON я хочу получить количество сотрудников в зависимости от пола.

Логические шаги для достижения этого:

  • Объявите 2 переменные для хранения MaleCount и FemaleCount
  • «Повторите JSON employee_details и получите список сотрудников для этого отдела.
  • Повторить этот список сотрудников определенного отдела
  • Проверьте «EmpGender» этого сотрудника
  • Если это мужчина, добавьте значение 1 в переменную MaleCount.
  • Если это женщина, добавьте значение 1 в переменную FemaleCount.

вот синтаксис в питоне

male_employee_count = 0
female_employee_count = 0
for ed in employee_details:
    department_employee_list = employee_details[ed]
    for de in department_employee_list:
        if de['EmpGender']=='Male':
            male_employee_count+=1
        elif de['EmpGender']=='Female':
            female_employee_count+=1
print("male_employee_count=",male_employee_count)
print("female_employee_count=",female_employee_count)
#output
male_employee_count = 4
female_employee_count = 2

Эта логика может применяться к такого рода данным на любом языке программирования. Меняется только синтаксис.

Данные в формате таблицы:

Предположим, у вас есть эти данные в таблице SQL. Тогда SQL-запрос будет

SELECT 
      COUNT(EmpId) ,EmpGender
FROM 
      EmployeeTable a
GROUP BY 
      EmpGender;
-------------------------------------------------
OUTPUT:
---------------
|  Male   | 4 |
---------------
|Female   | 2 |
---------------

Если данные представлены в формате таблицы, то применение логики для извлечения данных может отличаться.

В SQL нам не нужно «итерировать» каждый отдел. «GroupBy» выполнит эту работу.

Данные в формате LIST:

gender_list = ["Male","Female","Male","Female","Male","Male"]

#code
male_employee_count = 0
female_employee_count = 0
for gender in gender_list:
   if gender=="Male":
      male_employee_count+=1
   else:
      female_employee_count+=1
print("male_employee_count=",male_employee_count)
print("female_employee_count=",female_employee_count)

#output
male_employee_count = 4
female_employee_count = 2

В приведенных выше данных LIST у нас есть только список полов.

Итерация каждого LIST и проверка типа элемента и добавление значения 1 в соответствующую переменную.

В зависимости от типа данных мы должны применить логику.

Изучите эффективные функции, доступные в соответствующих типах данных, и эффективно используйте их.

Ключевые преимущества знания структур данных:

  • Низкий код
  • Логическое мышление
  • Динамическое программирование
  • Производительность
  • Быстрое понимание любых данных
  • Целостность данных
  • Отлаживать
  • Уверенность в программировании

************************ Счастливого кодирования :smile: ********************** ********