python 排序算法總結(jié)及實(shí)例詳解
總結(jié)了一下常見集中排序的算法
歸并排序
歸并排序也稱合并排序,是分治法的典型應(yīng)用。分治思想是將每個(gè)問題分解成個(gè)個(gè)小問題,將每個(gè)小問題解決,然后合并。
具體的歸并排序就是,將一組無序數(shù)按n/2遞歸分解成只有一個(gè)元素的子項(xiàng),一個(gè)元素就是已經(jīng)排好序的了。然后將這些有序的子元素進(jìn)行合并。
合并的過程就是 對(duì) 兩個(gè)已經(jīng)排好序的子序列,先選取兩個(gè)子序列中最小的元素進(jìn)行比較,選取兩個(gè)元素中最小的那個(gè)子序列并將其從子序列中
去掉添加到最終的結(jié)果集中,直到兩個(gè)子序列歸并完成。
代碼如下:
#!/usr/bin/python import sys def merge(nums, first, middle, last): ''''' merge ''' # 切片邊界,左閉右開并且是了0為開始 lnums = nums[first:middle+1] rnums = nums[middle+1:last+1] lnums.append(sys.maxint) rnums.append(sys.maxint) l = 0 r = 0 for i in range(first, last+1): if lnums[l] < rnums[r]: nums[i] = lnums[l] l+=1 else: nums[i] = rnums[r] r+=1 def merge_sort(nums, first, last): ''''' merge sort merge_sort函數(shù)中傳遞的是下標(biāo),不是元素個(gè)數(shù) ''' if first < last: middle = (first + last)/2 merge_sort(nums, first, middle) merge_sort(nums, middle+1, last) merge(nums, first, middle,last) if __name__ == '__main__': nums = [10,8,4,-1,2,6,7,3] print 'nums is:', nums merge_sort(nums, 0, 7) print 'merge sort:', nums
穩(wěn)定,時(shí)間復(fù)雜度 O(nlog n)
插入排序
代碼如下:
#!/usr/bin/python importsys definsert_sort(a): ''''' 插入排序 有一個(gè)已經(jīng)有序的數(shù)據(jù)序列,要求在這個(gè)已經(jīng)排好的數(shù)據(jù)序列中插入一個(gè)數(shù), 但要求插入后此數(shù)據(jù)序列仍然有序。剛開始 一個(gè)元素顯然有序,然后插入一 個(gè)元素到適當(dāng)位置,然后再插入第三個(gè)元素,依次類推 ''' a_len = len(a) if a_len = 0 and a[j] > key: a[j+1] = a[j] j-=1 a[j+1] = key return a if __name__ == '__main__': nums = [10,8,4,-1,2,6,7,3] print 'nums is:', nums insert_sort(nums) print 'insert sort:', nums
穩(wěn)定,時(shí)間復(fù)雜度 O(n^2)
交換兩個(gè)元素的值python中你可以這么寫:a, b = b, a,其實(shí)這是因?yàn)橘x值符號(hào)的左右兩邊都是元組
(這里需要強(qiáng)調(diào)的是,在python中,元組其實(shí)是由逗號(hào)“,”來界定的,而不是括號(hào))。
選擇排序
選擇排序(Selection sort)是一種簡(jiǎn)單直觀的排序算法。它的工作原理如下。首先在未排序序列中找到最?。ù螅┰?,存放到
排序序列的起始位置,然后,再?gòu)氖S辔磁判蛟刂欣^續(xù)尋找最小(大)元素,然后放到已排序序列的末尾。以此類推,直到所
有元素均排序完畢。
import sys def select_sort(a): ''''' 選擇排序 每一趟從待排序的數(shù)據(jù)元素中選出最?。ɑ蜃畲螅┑囊粋€(gè)元素, 順序放在已排好序的數(shù)列的最后,直到全部待排序的數(shù)據(jù)元素排完。 選擇排序是不穩(wěn)定的排序方法。 ''' a_len=len(a) for i in range(a_len):#在0-n-1上依次選擇相應(yīng)大小的元素 min_index = i#記錄最小元素的下標(biāo) for j in range(i+1, a_len):#查找最小值 if(a[j]<a[min_index]): min_index=j if min_index != i:#找到最小元素進(jìn)行交換 a[i],a[min_index] = a[min_index],a[i] if __name__ == '__main__': A = [10, -3, 5, 7, 1, 3, 7] print 'Before sort:',A select_sort(A) print 'After sort:',A
不穩(wěn)定,時(shí)間復(fù)雜度 O(n^2)
希爾排序
希爾排序,也稱遞減增量排序算法,希爾排序是非穩(wěn)定排序算法。該方法又稱縮小增量排序,因DL.Shell于1959年提出而得名。
先取一個(gè)小于n的整數(shù)d1作為第一個(gè)增量,把文件的全部記錄分成d1個(gè)組。所有距離為d1的倍數(shù)的記錄放在同一個(gè)組中。先在各組內(nèi)進(jìn)行排序;
然后,取第二個(gè)增量d2
import sys def shell_sort(a): ''''' shell排序 ''' a_len=len(a) gap=a_len/2#增量 while gap>0: for i in range(a_len):#對(duì)同一個(gè)組進(jìn)行選擇排序 m=i j=i+1 while j<a_len: if a[j]<a[m]: m=j j+=gap#j增加gap if m!=i: a[m],a[i]=a[i],a[m] gap/=2 if __name__ == '__main__': A = [10, -3, 5, 7, 1, 3, 7] print 'Before sort:',A shell_sort(A) print 'After sort:',A
不穩(wěn)定,時(shí)間復(fù)雜度 平均時(shí)間 O(nlogn) 最差時(shí)間O(n^s)1
堆排序 ( Heap Sort )
“堆”的定義:在起始索引為 0 的“堆”中:
節(jié)點(diǎn) i 的右子節(jié)點(diǎn)在位置 2 * i + 24) 節(jié)點(diǎn) i 的父節(jié)點(diǎn)在位置 floor( (i – 1) / 2 ) : 注 floor 表示“取整”操作
堆的特性:
每個(gè)節(jié)點(diǎn)的鍵值一定總是大于(或小于)它的父節(jié)點(diǎn)
“最大堆”:
“堆”的根節(jié)點(diǎn)保存的是鍵值最大的節(jié)點(diǎn)。即“堆”中每個(gè)節(jié)點(diǎn)的鍵值都總是大于它的子節(jié)點(diǎn)。
上移,下移 :
當(dāng)某節(jié)點(diǎn)的鍵值大于它的父節(jié)點(diǎn)時(shí),這時(shí)我們就要進(jìn)行“上移”操作,即我們把該節(jié)點(diǎn)移動(dòng)到它的父節(jié)點(diǎn)的位置,而讓它的父節(jié)點(diǎn)到它的位置上,然后我們繼續(xù)判斷該節(jié)點(diǎn),直到該節(jié)點(diǎn)不再大于它的父節(jié)點(diǎn)為止才停止“上移”。
現(xiàn)在我們?cè)賮砹私庖幌隆跋乱啤辈僮?。?dāng)我們把某節(jié)點(diǎn)的鍵值改小了之后,我們就要對(duì)其進(jìn)行“下移”操作。
方法:
我們首先建立一個(gè)最大堆(時(shí)間復(fù)雜度O(n)),然后每次我們只需要把根節(jié)點(diǎn)與最后一個(gè)位置的節(jié)點(diǎn)交換,然后把最后一個(gè)位置排除之外,然后把交換后根節(jié)點(diǎn)的堆進(jìn)行調(diào)整(時(shí)間復(fù)雜度 O(lgn) ),即對(duì)根節(jié)點(diǎn)進(jìn)行“下移”操作即可。 堆排序的總的時(shí)間復(fù)雜度為O(nlgn).
代碼如下:
#!/usr/bin env python # 數(shù)組編號(hào)從 0開始 def left(i): return 2*i +1 def right(i): return 2*i+2 #保持最大堆性質(zhì) 使以i為根的子樹成為最大堆 def max_heapify(A, i, heap_size): if heap_size <= 0: return l = left(i) r = right(i) largest = i # 選出子節(jié)點(diǎn)中較大的節(jié)點(diǎn) if l A[largest]: largest = l if r A[largest]: largest = r if i != largest :#說明當(dāng)前節(jié)點(diǎn)不是最大的,下移 A[i], A[largest] = A[largest], A[i] #交換 max_heapify(A, largest, heap_size)#繼續(xù)追蹤下移的點(diǎn) #print A # 建堆 def bulid_max_heap(A): heap_size = len(A) if heap_size >1: node = heap_size/2 -1 while node >= 0: max_heapify(A, node, heap_size) node -=1 # 堆排序 下標(biāo)從0開始 def heap_sort(A): bulid_max_heap(A) heap_size = len(A) i = heap_size - 1 while i > 0 : A[0],A[i] = A[i], A[0] # 堆中的最大值存入數(shù)組適當(dāng)?shù)奈恢?,并且進(jìn)行交換 heap_size -=1 # heap 大小 遞減 1 i -= 1 # 存放堆中最大值的下標(biāo)遞減 1 max_heapify(A, 0, heap_size) if __name__ == '__main__' : A = [10, -3, 5, 7, 1, 3, 7] print 'Before sort:',A heap_sort(A) print 'After sort:',A
不穩(wěn)定,時(shí)間復(fù)雜度 O(nlog n)
快速排序
快速排序算法和合并排序算法一樣,也是基于分治模式。對(duì)子數(shù)組A[p…r]快速排序的分治過程的三個(gè)步驟為:
分解:把數(shù)組A[p…r]分為A[p…q-1]與A[q+1…r]兩部分,其中A[p…q-1]中的每個(gè)元素都小于等于A[q]而A[q+1…r]中的每個(gè)元素都大于等于A[q];
解決:通過遞歸調(diào)用快速排序,對(duì)子數(shù)組A[p…q-1]和A[q+1…r]進(jìn)行排序;
合并:因?yàn)閮蓚€(gè)子數(shù)組是就地排序的,所以不需要額外的操作。
對(duì)于劃分partition 每一輪迭代的開始,x=A[r], 對(duì)于任何數(shù)組下標(biāo)k,有:
1) 如果p≤k≤i,則A[k]≤x。
2) 如果i+1≤k≤j-1,則A[k]>x。
3) 如果k=r,則A[k]=x。
代碼如下:
#!/usr/bin/env python # 快速排序 ''''' 劃分 使?jié)M足 以A[r]為基準(zhǔn)對(duì)數(shù)組進(jìn)行一個(gè)劃分,比A[r]小的放在左邊, 比A[r]大的放在右邊 快速排序的分治partition過程有兩種方法, 一種是上面所述的兩個(gè)指針?biāo)饕磺耙缓笾鸩较蚝髵呙璧姆椒? 另一種方法是兩個(gè)指針從首位向中間掃描的方法。 ''' #p,r 是數(shù)組A的下標(biāo) def partition1(A, p ,r): ''''' 方法一,兩個(gè)指針?biāo)饕磺耙缓笾鸩较蚝髵呙璧姆椒? ''' x = A[r] i = p-1 j = p while j < r: if A[j] < x: i +=1 A[i], A[j] = A[j], A[i] j += 1 A[i+1], A[r] = A[r], A[i+1] return i+1 def partition2(A, p, r): ''''' 兩個(gè)指針從首尾向中間掃描的方法 ''' i = p j = r x = A[p] while i = x and i < j: j -=1 A[i] = A[j] while A[i]<=x and i < j: i +=1 A[j] = A[i] A[i] = x return i # quick sort def quick_sort(A, p, r): ''''' 快速排序的最差時(shí)間復(fù)雜度為O(n2),平時(shí)時(shí)間復(fù)雜度為O(nlgn) ''' if p < r: q = partition2(A, p, r) quick_sort(A, p, q-1) quick_sort(A, q+1, r) if __name__ == '__main__': A = [5,-4,6,3,7,11,1,2] print 'Before sort:',A quick_sort(A, 0, 7) print 'After sort:',A
不穩(wěn)定,時(shí)間復(fù)雜度 最理想 O(nlogn)最差時(shí)間O(n^2)
說下python中的序列:
列表、元組和字符串都是序列,但是序列是什么,它們?yōu)槭裁慈绱颂貏e呢?序列的兩個(gè)主要特點(diǎn)是索引操作符和切片操作符。索引操作符讓我們可以從序列中抓取一個(gè)特定項(xiàng)目。切片操作符讓我們能夠獲取序列的一個(gè)切片,即一部分序列,如:a = [‘a(chǎn)a','bb','cc'], print a[0] 為索引操作,print a[0:2]為切片操作。
希望通過此文掌握Python 算法排序的知識(shí),謝謝大家對(duì)本站的支持!
相關(guān)文章
pandas string轉(zhuǎn)dataframe的方法
下面小編就為大家分享一篇pandas string轉(zhuǎn)dataframe的方法,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2018-04-04使用Python獲取字典鍵對(duì)應(yīng)值的兩種方法
對(duì)于字典通過鍵獲得值非常簡(jiǎn)單,但通過值獲得鍵則需繞些彎子,下面這篇文章主要給大家介紹了關(guān)于如何使用Python獲取字典鍵對(duì)應(yīng)值的相關(guān)資料,需要的朋友可以參考下2022-04-04python使用tqdm庫(kù)實(shí)現(xiàn)循環(huán)打印進(jìn)度條
tqdm是一個(gè)用于在Python中添加進(jìn)度條的庫(kù),它可以很容易地集成到while循環(huán)中,這篇文章主要介紹了python循環(huán)打印進(jìn)度條,需要的朋友可以參考下2023-05-05flask框架實(shí)現(xiàn)連接sqlite3數(shù)據(jù)庫(kù)的方法分析
這篇文章主要介紹了flask框架實(shí)現(xiàn)連接sqlite3數(shù)據(jù)庫(kù)的方法,結(jié)合實(shí)例形式分析了flask框架連接sqlite3數(shù)據(jù)庫(kù)的具體操作步驟與相關(guān)實(shí)現(xiàn)技巧,需要的朋友可以參考下2018-07-07解決更新tensorflow后應(yīng)用tensorboard報(bào)錯(cuò)的問題
這篇文章主要介紹了解決更新tensorflow后應(yīng)用tensorboard報(bào)錯(cuò)的問題,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2021-03-03