فهرست سرفصل‌های Python
خانه (HOME) مقدمه (Intro) شروع کار (Get Started) ساختار نوشتاری (Syntax) دستورات (Statements) خروجی (Output) چاپ اعداد (Print Numbers) توضیحات (Comments) متغیرها (Variables) نام متغیرها (Variable Names) اختصاص چند مقدار (Assign Multiple Values) نمایش متغیرها (Output Variables) متغیرهای سراسری (Global Variables) تمرین متغیرها (Variable Exercises) نوع داده ها (Data Types) اعداد (Numbers) تبدیل نوع داده (Casting) رشته ها (Strings) برش رشته (Slicing Strings) تغییر رشته (Modify Strings) ترکیب رشته ها (Concatenate Strings) قالب بندی رشته ها (Format Strings) کاراکتر فرار (Escape Characters) متدهای رشته (String Methods) تمرین رشته ها (String Exercises) بولین ها (Booleans) عملگرها (Operators) عملگرهای حسابی (Arithmetic Operators) عملگرهای انتسابی (Assignment Operators) عملگرهای مقایسه ای (Comparison Operators) عملگرهای منطقی (Logical Operators) عملگرهای هویتی (Identity Operators) عملگرهای عضویت (Membership Operators) عملگرهای بیتی (Bitwise Operators) اولویت عملگرها (Operator Precedence) لیست ها (Lists) دسترسی به آیتم ها (Access List Items) تغییر آیتم ها (Change List Items) افزودن آیتم (Add List Items) حذف آیتم (Remove List Items) حلقه روی لیست (Loop Lists) درک لیست (List Comprehension) مرتب سازی لیست (Sort Lists) کپی لیست (Copy Lists) ادغام لیست ها (Join Lists) متدهای لیست (List Methods) تمرین لیست ها (List Exercises) تاپل ها (Tuples) دسترسی به تاپل ها (Access Tuples) به روزرسانی تاپل ها (Update Tuples) باز کردن تاپل ها (Unpack Tuples) حلقه تاپل ها (Loop Tuples) ادغام تاپل ها (Join Tuples) متدهای تاپل (Tuple Methods) تمرین تاپل ها (Tuple Exercises) مجموعه ها (Sets) دسترسی به مجموعه (Access Set Items) افزودن به مجموعه (Add Set Items) حذف از مجموعه (Remove Set Items) حلقه مجموعه ها (Loop Sets) ادغام مجموعه ها (Join Sets) فروزن ست (Frozenset) متدهای مجموعه (Set Methods) تمرین مجموعه ها (Set Exercises) دیکشنری ها (Dictionaries) دسترسی به آیتم ها (Access Items) تغییر آیتم ها (Change Items) افزودن آیتم ها (Add Items) حذف آیتم ها (Remove Items) حلقه دیکشنری ها (Loop Dictionaries) کپی دیکشنری ها (Copy Dictionaries) تو در تو (Nested Dictionaries) متدهای دیکشنری (Dictionary Methods) تمرین دیکشنری (Dictionary Exercises) if elif else شرط کوتاه (Shorthand If) عملگرهای منطقی (Logical Operators) شرط تو در تو (Nested If) pass (Pass Statement) match (Match) حلقه while (While Loops) حلقه for (For Loops) توابع (Functions) آرگومان ها (Arguments) *args / **kwargs حوزه دسترسی (Scope) دکوراتور ها (Decorators) لانبدا (Lambda) بازگشت (Recursion) جنریتور ها (Generators) بازه (Range) آرایه ها (Arrays) ایتریتورها (Iterators) ماژول ها (Modules) تاریخ ها (Dates) ریاضی (Math) جیسون (JSON) عبارات منظم (RegEx) مدیر بسته ها (PIP) try...except قالب بندی رشته (String Formatting) None ورودی کاربر (User Input) محیط مجازی (VirtualEnv) شیءگرایی (OOP) کلاس ها/اشیا (Classes/Objects) متد init (init Method) پارامتر self (self Parameter) خصوصیات کلاس (Class Properties) متدهای کلاس (Class Methods) وراثت (Inheritance) چندریختی (Polymorphism) کپسوله سازی (Encapsulation) کلاس های داخلی (Inner Classes) کار با فایل (File Handling) خواندن فایل (Read Files) نوشتن/ایجاد فایل (Write/Create Files) حذف فایل (Delete Files) آموزش SciPy (SciPy Tutorial) Matplotlib مقدمه (Matplotlib Intro) شروع با Matplotlib (Matplotlib Get Started) Pyplot (Matplotlib Pyplot) نمودارسازی (Matplotlib Plotting) نشانگرها (Matplotlib Markers) خط (Matplotlib Line) برچسب ها (Matplotlib Labels) شبکه (Matplotlib Grid) زیرنمودار (Matplotlib Subplot) پراکندگی (Matplotlib Scatter) میله ای (Matplotlib Bars) هیستوگرام (Matplotlib Histograms) دایره ای (Matplotlib Pie Charts) یادگیری ماشین: شروع (Getting Started) میانگین/میانه/نما (Mean Median Mode) انحراف معیار (Standard Deviation) صدک (Percentile) توزیع داده (Data Distribution) توزیع نرمال (Normal Data Distribution) نمودار پراکندگی (Scatter Plot) رگرسیون خطی (Linear Regression) رگرسیون چندجمله ای (Polynomial Regression) رگرسیون چندمتغیره (Multiple Regression) مقیاس بندی (Scale) آموزش/آزمون (Train/Test) درخت تصمیم (Decision Tree) ماتریس اغتشاش (Confusion Matrix) خوشه بندی سلسله مراتبی (Hierarchical Clustering) رگرسیون لجستیک (Logistic Regression) جست وجوی شبکه ای (Grid Search) پیش پردازش داده های دسته ای (Categorical Data) K-means بگینگ (Bootstrap Aggregation) اعتبارسنجی متقابل (Cross Validation) منحنی AUC-ROC (AUC-ROC Curve) KNN (K-nearest neighbors) DSA: معرفی (Python DSA) لیست ها و آرایه ها (Lists and Arrays) پشته ها (Stacks) صف ها (Queues) لیست های پیوندی (Linked Lists) هش تیبل ها (Hash Tables) درخت ها (Trees) درخت های دودویی (Binary Trees) BST (Binary Search Trees) درخت های AVL (AVL Trees) گراف ها (Graphs) جستجوی خطی (Linear Search) جستجوی دودویی (Binary Search) مرتب سازی حبابی (Bubble Sort) مرتب سازی انتخابی (Selection Sort) مرتب سازی درج (Insertion Sort) مرتب سازی سریع (Quick Sort) مرتب سازی شمارشی (Counting Sort) مرتب سازی رادیکس (Radix Sort) مرتب سازی ادغامی (Merge Sort) MySQL: شروع (MySQL Get Started) ایجاد پایگاه داده (Create Database) ایجاد جدول (Create Table) درج رکورد (Insert) انتخاب (Select) شرط Where مرتب سازی (Order By) حذف (Delete) حذف جدول (Drop Table) به روزرسانی (Update) Limit Join MongoDB: شروع (Get Started) ایجاد پایگاه داده (Create DB) ایجاد کالکشن (Collection) درج (Insert) پیدا کردن (Find) کوئری (Query) مرتب سازی (Sort) حذف (Delete) حذف کالکشن (Drop Collection) به روزرسانی (Update) Limit مرجع: مرور کلی (Overview) توابع درون ساخته (Built-in Functions) متدهای رشته (String Methods) متدهای لیست (List Methods) متدهای دیکشنری (Dictionary Methods) متدهای تاپل (Tuple Methods) متدهای مجموعه (Set Methods) متدهای فایل (File Methods) کلیدواژه ها (Keywords) استثناها (Exceptions) واژه نامه (Glossary) مرجع ماژول ها (Built-in Modules) ماژول random (Random Module) ماژول requests (Requests Module) ماژول statistics (Statistics Module) ماژول math (Math Module) ماژول cmath (cMath Module) حذف موارد تکراری لیست (Remove List Duplicates) برعکس کردن رشته (Reverse a String) جمع دو عدد (Add Two Numbers)
PYTHON

Python — لیست های پیوندی (Linked Lists)

آخرین بروزرسانی: 1404/08/09

لیست های پیوندی (Linked Lists)

«لیست پیوندی (Linked List)» ساختار داده ای است که «گره ها (Nodes)» با اشاره گر به هم وصل می شوند. هر گره یک داده و یک لینک به گره بعدی دارد.

لیست پیوندی چیست؟

لیست پیوندی از گره ها ساخته می شود. هر گره داده دارد و لینک بعدی. برخلاف «آرایه (Array)»، گره ها کنار هم در حافظه نیستند.

مقایسه لیست پیوندی و آرایه

آرایه اندازه ثابت دارد و دسترسی تصادفی ممکن است. اما درج یا حذف وسط آرایه زمان بر است. لیست پیوندی اندازه پویا دارد و حذف/درج بدون جابه جایی انجام می شود.

نکته: جزئیات ذخیره سازی حافظه در منبع W3Schools توضیح داده شده است.

انواع لیست های پیوندی

سه نوع اصلی داریم: «تک پیوندی»، «دودویی»، و «حلقوی». تک پیوندی ساده تر است. دودویی رفت وبرگشت را آسان می کند. حلقوی برای پیمایش بی پایان مناسب است.

پیمایش (Traversal) در لیست پیوندی

پیمایش یعنی از «هد (Head)» شروع کنیم و از لینک ها عبور کنیم تا به انتها برسیم.

class Node:
  def __init__(self, data):
    self.data = data
    self.next = None

def traverse_and_print(head):
  current_node = head
  while current_node:
    print(current_node.data, end=" -> ")
    current_node = current_node.next
  print("null")

node1 = Node(7)
node2 = Node(11)
node3 = Node(3)
node4 = Node(2)
node5 = Node(9)

node1.next = node2
node2.next = node3
node3.next = node4
node4.next = node5

traverse_and_print(node1)

مشاهده در ادیتور

کمترین مقدار را پیدا کن

با پیمایش، کمترین مقدار را به روزرسانی کن. این شبیه آرایه است؛ فقط باید از لینک ها عبور کنیم.

class Node:
  def __init__(self, data):
    self.data = data
    self.next = None

def find_lowest_value(head):
  min_value = head.data
  current_node = head.next
  while current_node:
    if current_node.data < min_value:
      min_value = current_node.data
    current_node = current_node.next
  return min_value

node1 = Node(7)
node2 = Node(11)
node3 = Node(3)
node4 = Node(2)
node5 = Node(9)

node1.next = node2
node2.next = node3
node3.next = node4
node4.next = node5

print("Lowest:", find_lowest_value(node1))

مشاهده در ادیتور

حذف یک گره

قبل از حذف، لینک قبلی را به بعدی وصل کن. این کار زنجیر را نمی شکند.

class Node:
  def __init__(self, data):
    self.data = data
    self.next = None

def traverse_and_print(head):
  current_node = head
  while current_node:
    print(current_node.data, end=" -> ")
    current_node = current_node.next
  print("null")

def delete_specific_node(head, node_to_delete):
  if head == node_to_delete:
    return head.next
  current_node = head
  while current_node.next and current_node.next != node_to_delete:
    current_node = current_node.next
  if current_node.next is None:
    return head
  current_node.next = current_node.next.next
  return head

node1 = Node(7)
node2 = Node(11)
node3 = Node(3)
node4 = Node(2)
node5 = Node(9)

node1.next = node2
node2.next = node3
node3.next = node4
node4.next = node5

print("Before deletion:")
traverse_and_print(node1)

node1 = delete_specific_node(node1, node4)

print("After deletion:")
traverse_and_print(node1)

مشاهده در ادیتور

درج یک گره

برای درج، گره جدید را بساز. سپس لینک قبلی به جدید و جدید به بعدی وصل می شود.

class Node:
  def __init__(self, data):
    self.data = data
    self.next = None

def traverse_and_print(head):
  current_node = head
  while current_node:
    print(current_node.data, end=" -> ")
    current_node = current_node.next
  print("null")

def insert_node_at_position(head, new_node, position):
  if position == 1:
    new_node.next = head
    return new_node
  current_node = head
  for _ in range(position - 2):
    if current_node is None:
      break
    current_node = current_node.next
  new_node.next = current_node.next
  current_node.next = new_node
  return head

node1 = Node(7)
node2 = Node(3)
node3 = Node(2)
node4 = Node(9)

node1.next = node2
node2.next = node3
node3.next = node4

print("Original list:")
traverse_and_print(node1)

new_node = Node(97)
node1 = insert_node_at_position(node1, new_node, 2)

print("After insertion:")
traverse_and_print(node1)

مشاهده در ادیتور

گام های عملی

  1. کلاس Node را بساز.
  2. پیمایش را پیاده سازی کن.
  3. حذف و درج را تمرین کن.

برای ساخت «صف»، صفحه صف ها را ببین. برای مقایسه با «پشته»، به پشته ها سر بزن.

جمع بندی سریع

  • لیست پیوندی پویاست و جابه جایی ندارد.
  • دسترسی تصادفی ندارد؛ باید پیمایش کنیم.
  • حذف و درج بسیار سرراست انجام می شود.
  • حافظه بیشتری نسبت به آرایه مصرف می کند.