Python中六大排序算法与代码实现
来源:互联网 发布:公司淘宝培训协议书 编辑:程序博客网 时间:2024/06/16 18:00
排序
排序算法是一种能将一串数据按照特定顺序进行排序的一种算法
排序算法的稳定性
稳定排序算法就让原本有相等键值的记录维持相对次序。
就是在第一排序之后,次序与原来顺序保持一致的就是稳定的。
冒泡排序
最优时间复杂度:O(n)表示遍历一次没有发现任何可以交换的元素,排序结束
最坏时间复杂度:O(n^2)
稳定性:稳定
选择排序
从无序中找到最小的依次排序
选择排序是一种简单直观的排序算法。他的工作原理如下,首先在排序序列中找到最小的元素,存放到排序序列的起始位置,然后,再从剩余未排到元素中继续寻找最小元素,然后放到已排序序列的末尾。以此类推。。。
选择排序的主要优点与数据移动有关
最优时间复杂度:O(n^2)
最坏时间复杂度:O(n^2)
稳定性:不确定(考虑升序每次选择最大的情况)
插入排序
从后面选中一个,在前面进行排序,和选择是相反的,选择排序是选大小再排序,而插入排序是先选数,再排大小
最优时间复杂度:O(n) (升序排列,序列已经处于升序状态)
最坏时间复杂度:O(n^2)
稳定性:稳定
希尔排序
希尔排序是插入排序的一种,也成缩小增量排序,是直接插入排序算法的一种更高效的改进版本。希尔排序是非稳定排序算法。希尔排序是把记录按下标的一定增量分组,对每组使用直接插入排序算法排序,随着增量逐渐减少,每组包含的关键词越来越多,当增量减少至1时,整个文件掐被分成一组,算法被终止。
把原来一组分成多组,对每组使用插入排序,再合并,然后减少间隔数,在分组,在排序,再合并,以此类推,取好间隔的话,确实可以有效的降低时间复杂度
最有时间复杂度:根据步长序列的不同而不同
最坏时间复杂度:O(n^2)
稳定性:不稳定
快速排序
将第一个数存储起来,左右各一个指针,右边指针向左移动,由于第一个数被取出,首先移动右边指针,当数大于第一个数时,则向左移动,比第一个小的时候就停下来,将这个数放到第一位,此时左边指针向右移动,遇到比第一个数小的数就持续向右移动,遇到比第一个数大的数就停下来,把这个数放到右边,开始右边指针移动,以此类推,当两个指针重合时,此时就找到第一个数的位置了,此数两边,再各成一个子列进行上述操作。
最优时间复杂度:O(nlogn) 在竖向上,是2^x = n,解出来x=logn,因为每次都会产生一倍,第一次产生了两个子列,逐渐对半,最后到每个元素只剩自身一个的时候终止,
但是总和依然是n,所以是logn,横向上一共是n,所以总和是n*logn
最坏时间复杂:竖向上每次都是第一个,那么有n个,横向上还是n,则是n*n
稳定性:不稳定,因为有跳跃取值,不像冒泡,冒泡之所以稳定,不存在跳跃取值。
归并排序
归并排序是采用分治法的一个非常典型的应用。归并排序的思想就是先递归分解数组,再合并数组
将数据分解到最小之后,然后合并两个有序数组,基本思想是比较两个数组的最前面的数,谁小就先取谁,取了后相应的指针就往后移一位。然后再比较,直至一个数组为空,最后把另一个数组的剩余部分赋值过来即可
最优时间复杂度:O(nlogn)
最坏时间复杂度:O(nlogn)
稳定性:稳定
归并算法是涉及到额外的开销,这是和其他几种排序算法所不同的,但是归并算法确实可以有效的减少最坏时间复杂
排序算法是一种能将一串数据按照特定顺序进行排序的一种算法
排序算法的稳定性
稳定排序算法就让原本有相等键值的记录维持相对次序。
就是在第一排序之后,次序与原来顺序保持一致的就是稳定的。
冒泡排序
最优时间复杂度:O(n)表示遍历一次没有发现任何可以交换的元素,排序结束
最坏时间复杂度:O(n^2)
稳定性:稳定
def bubble_sort(alist): n = len(alist) for j in range(n - 1): count = 0 for i in range(0, n - j - 1): if alist[i] > alist[i + 1]: alist[i], alist[i + 1] = alist[i + 1], alist[i] count += 1 # 这个列表如果你一步都没有移动,肯定是排好序的 # 此处优化能将算法最优复杂度降到O(n),但是最坏复杂度还是O(n^2) if 0 == count: returnif __name__ == '__main__': li = [54, 26, 93, 17, 77, 31, 44, 55, 20] bubble_sort(li) print(li)
选择排序
从无序中找到最小的依次排序
选择排序是一种简单直观的排序算法。他的工作原理如下,首先在排序序列中找到最小的元素,存放到排序序列的起始位置,然后,再从剩余未排到元素中继续寻找最小元素,然后放到已排序序列的末尾。以此类推。。。
选择排序的主要优点与数据移动有关
最优时间复杂度:O(n^2)
最坏时间复杂度:O(n^2)
稳定性:不确定(考虑升序每次选择最大的情况)
# 选择排序def select_sort(alist): n = len(alist) for j in range(0, n - 1): index_min = j for i in range(j + 1, n): if alist[i] < alist[index_min]: index_min = i # 上面只换了下标,下面这行代码换了下标所指的值 alist[index_min], alist[j] = alist[j], alist[index_min]if __name__ == '__main__': li = [54, 26, 93, 17, 77, 31, 44, 55, 20] select_sort(li) print(li)
插入排序
从后面选中一个,在前面进行排序,和选择是相反的,选择排序是选大小再排序,而插入排序是先选数,再排大小
最优时间复杂度:O(n) (升序排列,序列已经处于升序状态)
最坏时间复杂度:O(n^2)
稳定性:稳定
# 插入排序# 第一个循环,是外部选择排序数的循环,第二个循环是内部进行排序的循环,这个过程和选择排序刚好相反def insert_sort(alist): n = len(alist) for j in range(1, n - 1): i = j # 优化算法,此时如果输入有效数列,则内部排序循环只执行一次,就break了,降低了时间复杂度 while i > 0: if alist[i] < alist[i - 1]: alist[i], alist[i - 1] = alist[i - 1], alist[i] i -= 1 else: breakif __name__ == '__main__': li = [54, 26, 93, 17, 77, 31, 44, 55, 20] insert_sort(li) print(li)
希尔排序
希尔排序是插入排序的一种,也成缩小增量排序,是直接插入排序算法的一种更高效的改进版本。希尔排序是非稳定排序算法。希尔排序是把记录按下标的一定增量分组,对每组使用直接插入排序算法排序,随着增量逐渐减少,每组包含的关键词越来越多,当增量减少至1时,整个文件掐被分成一组,算法被终止。
把原来一组分成多组,对每组使用插入排序,再合并,然后减少间隔数,在分组,在排序,再合并,以此类推,取好间隔的话,确实可以有效的降低时间复杂度
最有时间复杂度:根据步长序列的不同而不同
最坏时间复杂度:O(n^2)
稳定性:不稳定
# 希尔排序def shell_sort(alist): n = len(alist) gap = n // 2 while gap > 0: # 插入算法,与普通的插入算法的区别就是gap步长 for j in range(gap, n): i = j while i > 0: if alist[i] < alist[i - gap]: alist[i - gap], alist[i] = alist[i], alist[i - gap] i -= gap else: break # 缩短gap步长 gap //= 2if __name__ == '__main__': li = [54, 26, 93, 17, 77, 31, 44, 55, 20] shell_sort(li) print(li)
快速排序
将第一个数存储起来,左右各一个指针,右边指针向左移动,由于第一个数被取出,首先移动右边指针,当数大于第一个数时,则向左移动,比第一个小的时候就停下来,将这个数放到第一位,此时左边指针向右移动,遇到比第一个数小的数就持续向右移动,遇到比第一个数大的数就停下来,把这个数放到右边,开始右边指针移动,以此类推,当两个指针重合时,此时就找到第一个数的位置了,此数两边,再各成一个子列进行上述操作。
最优时间复杂度:O(nlogn) 在竖向上,是2^x = n,解出来x=logn,因为每次都会产生一倍,第一次产生了两个子列,逐渐对半,最后到每个元素只剩自身一个的时候终止,
但是总和依然是n,所以是logn,横向上一共是n,所以总和是n*logn
最坏时间复杂:竖向上每次都是第一个,那么有n个,横向上还是n,则是n*n
稳定性:不稳定,因为有跳跃取值,不像冒泡,冒泡之所以稳定,不存在跳跃取值。
# 快速排序# 有自身递归def quick_sort(alist, first, last): middle_value = alist[first] low = first high = last if first >= last: return while low < high: # low 右移 while low < high and alist[low] < middle_value: low += 1 alist[high] = alist[low] # high 左移 # = 是为了处理相同字母的情况,放在上面不行,只能放在这里 while low < high and alist[high] >= middle_value: high -= 1 alist[low] = alist[high] # 从循环退出时,low == high alist[low] = middle_value # 这个地方为什么这么写而不用切片? # 你要注意此时传进来的值依然是一个完整的列表,所以要有起始和终止值,但仍然归于alist,你用切片意味着传进来一个新的列表,这就无法和上述的 # 快排统一起来 # 对low左边的列表执行快速排序 quick_sort(alist, first, low - 1) # 对low右边的列表排序 quick_sort(alist, low + 1, last)if __name__ == '__main__': li = [54, 26, 93, 17, 77, 31, 44, 55, 20] print(li) quick_sort(li, 0, len(li) - 1) print(li)
归并排序
归并排序是采用分治法的一个非常典型的应用。归并排序的思想就是先递归分解数组,再合并数组
将数据分解到最小之后,然后合并两个有序数组,基本思想是比较两个数组的最前面的数,谁小就先取谁,取了后相应的指针就往后移一位。然后再比较,直至一个数组为空,最后把另一个数组的剩余部分赋值过来即可
最优时间复杂度:O(nlogn)
最坏时间复杂度:O(nlogn)
稳定性:稳定
归并算法是涉及到额外的开销,这是和其他几种排序算法所不同的,但是归并算法确实可以有效的减少最坏时间复杂
# 归并排序def merge_sort(alist): n = len(alist) if n <= 1: # 这个地方一定要有返回值,因为alist是被分解成的单一的元素 return alist mid = n // 2 # left 采用递归排序后形成的新序列 left_li = merge_sort(alist[:mid]) # right 采用递归排序后形成的新序列 right_li = merge_sort(alist[mid:]) # print(left_li,right_li) # 将两个子序列合并成一个序列 # 左右指针 left_pointer, right_pointer = 0, 0 result = [] while left_pointer < len(left_li) and right_pointer < len(right_li): if left_li[left_pointer] <= right_li[right_pointer]: result.append(left_li[left_pointer]) left_pointer += 1 else: result.append(right_li[right_pointer]) right_pointer += 1 # 此时还有最后一个元素没有加入到列表中,切片是没有越界的,它返回一个空列表 result += left_li[left_pointer:] result += right_li[right_pointer:] return resultif __name__ == '__main__': li = [54, 26, 93, 17, 77, 31, 44, 55, 20] print(li) sort_li = merge_sort(li) print(sort_li)
阅读全文
0 0
- Python中六大排序算法与代码实现
- 六大排序算法c++实现
- 六大排序算法C++实现
- python 实现堆排序算法代码
- python实现的各种排序算法代码
- python实现的各种排序算法代码
- 快速排序算法及python代码实现
- 排序算法总结与代码实现
- 排序算法—冒泡排序算法分析与实现(Python)
- 排序算法—选择排序算法分析与实现(Python)
- 排序算法—希尔排序算法分析与实现(Python)
- 排序算法—堆排序算法分析与实现(Python)
- 排序算法—归并排序算法分析与实现(Python)
- 排序算法—快速排序算法分析与实现(Python)
- 【数据结构与算法】【排序】冒泡排序的代码实现
- 【数据结构与算法】【排序】简单选择排序的代码实现
- 【数据结构与算法】【排序】直接插入排序的代码实现
- 【数据结构与算法】【排序】希尔排序的代码实现
- STM32如何使用内部时钟源当系统时钟
- 数据存储:轻量级存储类SharedPreferences的一个应用实例
- X264编码(2)
- 为什么要写博客?
- spring 学习
- Python中六大排序算法与代码实现
- 线程猜数字
- iOS自己实现二维码生成与扫描
- 周四见|《从50分到0.59秒,SQL优化让不可能变成可能》by松华
- 多线程
- KVM介绍
- network:vpn by yourself
- JavaScript基础(4.for循环与if)
- Collections.unmodifiableMap()分析