python 排序算法总结及实例详解

总结了一下常见集中排序的算法

归并排序

归并排序也称合并排序,是分治法的典型应用。分治思想是将每个问题分解成个个小问题,将每个小问题解决,然后合并。

具体的归并排序就是,将一组无序数按n/2递归分解成只有一个元素的子项,一个元素就是已经排好序的了。然后将这些有序的子元素进行合并。

合并的过程就是 对 两个已经排好序的子序列,先选取两个子序列中最小的元素进行比较,选取两个元素中最小的那个子序列并将其从子序列中

去掉添加到最终的结果集中,直到两个子序列归并完成。

代码如下:

#!/usr/bin/python
import sys 

def merge(nums, first, middle, last):
  ''''' merge '''
  # 切片边界,左闭右开并且是了0为开始
  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函数中传递的是下标,不是元素个数
  '''
  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

稳定,时间复杂度 O(nlog n)

插入排序

代码如下:

#!/usr/bin/python
importsys 

definsert_sort(a):
  ''''' 插入排序
  有一个已经有序的数据序列,要求在这个已经排好的数据序列中插入一个数,
  但要求插入后此数据序列仍然有序。刚开始 一个元素显然有序,然后插入一
  个元素到适当位置,然后再插入第三个元素,依次类推
  '''
  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

稳定,时间复杂度 O(n^2)

交换两个元素的值python中你可以这么写:a, b = b, a,其实这是因为赋值符号的左右两边都是元组

(这里需要强调的是,在python中,元组其实是由逗号“,”来界定的,而不是括号)。

选择排序

选择排序(Selection sort)是一种简单直观的排序算法。它的工作原理如下。首先在未排序序列中找到最小(大)元素,存放到

排序序列的起始位置,然后,再从剩余未排序元素中继续寻找最小(大)元素,然后放到已排序序列的末尾。以此类推,直到所

有元素均排序完毕。

import sys
def select_sort(a):
  ''''' 选择排序
  每一趟从待排序的数据元素中选出最小(或最大)的一个元素,
  顺序放在已排好序的数列的最后,直到全部待排序的数据元素排完。
  选择排序是不稳定的排序方法。
  '''
  a_len=len(a)
  for i in range(a_len):#在0-n-1上依次选择相应大小的元素
    min_index = i#记录最小元素的下标
    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:#找到最小元素进行交换
      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

不稳定,时间复杂度 O(n^2)

希尔排序

希尔排序,也称递减增量排序算法,希尔排序是非稳定排序算法。该方法又称缩小增量排序,因DL.Shell于1959年提出而得名。

先取一个小于n的整数d1作为第一个增量,把文件的全部记录分成d1个组。所有距离为d1的倍数的记录放在同一个组中。先在各组内进行排序;

然后,取第二个增量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):#对同一个组进行选择排序
      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

不稳定,时间复杂度 平均时间 O(nlogn) 最差时间O(n^s)1

堆排序 ( Heap Sort )

“堆”的定义:在起始索引为 0 的“堆”中:

节点 i 的右子节点在位置 2 * i + 24) 节点 i 的父节点在位置 floor( (i – 1) / 2 )   : 注 floor 表示“取整”操作

堆的特性:

每个节点的键值一定总是大于(或小于)它的父节点

“最大堆”:

“堆”的根节点保存的是键值最大的节点。即“堆”中每个节点的键值都总是大于它的子节点。

上移,下移 :

当某节点的键值大于它的父节点时,这时我们就要进行“上移”操作,即我们把该节点移动到它的父节点的位置,而让它的父节点到它的位置上,然后我们继续判断该节点,直到该节点不再大于它的父节点为止才停止“上移”。

现在我们再来了解一下“下移”操作。当我们把某节点的键值改小了之后,我们就要对其进行“下移”操作。

方法:

我们首先建立一个最大堆(时间复杂度O(n)),然后每次我们只需要把根节点与最后一个位置的节点交换,然后把最后一个位置排除之外,然后把交换后根节点的堆进行调整(时间复杂度 O(lgn) ),即对根节点进行“下移”操作即可。 堆排序的总的时间复杂度为O(nlgn).

代码如下:

#!/usr/bin env python 

# 数组编号从 0开始
def left(i):
  return 2*i +1
def right(i):
  return 2*i+2 

#保持最大堆性质 使以i为根的子树成为最大堆
def max_heapify(A, i, heap_size):
  if heap_size <= 0:
    return
  l = left(i)
  r = right(i)
  largest = i # 选出子节点中较大的节点
  if l A[largest]:
    largest = l
  if r A[largest]:
    largest = r
  if i != largest :#说明当前节点不是最大的,下移
    A[i], A[largest] = A[largest], A[i] #交换
    max_heapify(A, largest, heap_size)#继续追踪下移的点
  #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 下标从0开始
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] # 堆中的最大值存入数组适当的位置,并且进行交换
    heap_size -=1 # heap 大小 递减 1
    i -= 1 # 存放堆中最大值的下标递减 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

不稳定,时间复杂度 O(nlog n)

快速排序

快速排序算法和合并排序算法一样,也是基于分治模式。对子数组A[p…r]快速排序的分治过程的三个步骤为:

分解:把数组A[p…r]分为A[p…q-1]与A[q+1…r]两部分,其中A[p…q-1]中的每个元素都小于等于A[q]而A[q+1…r]中的每个元素都大于等于A[q];

解决:通过递归调用快速排序,对子数组A[p…q-1]和A[q+1…r]进行排序;

合并:因为两个子数组是就地排序的,所以不需要额外的操作。

对于划分partition 每一轮迭代的开始,x=A[r], 对于任何数组下标k,有:

1) 如果p≤k≤i,则A[k]≤x。

2) 如果i+1≤k≤j-1,则A[k]>x。

3) 如果k=r,则A[k]=x。

代码如下:

#!/usr/bin/env python
# 快速排序
'''''
划分 使满足 以A[r]为基准对数组进行一个划分,比A[r]小的放在左边,
  比A[r]大的放在右边
快速排序的分治partition过程有两种方法,
一种是上面所述的两个指针索引一前一后逐步向后扫描的方法,
另一种方法是两个指针从首位向中间扫描的方法。
'''
#p,r 是数组A的下标
def partition1(A, p ,r):
  '''''
   方法一,两个指针索引一前一后逐步向后扫描的方法
  '''
  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):
  '''''
  两个指针从首尾向中间扫描的方法
  '''
  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):
  '''''
    快速排序的最差时间复杂度为O(n2),平时时间复杂度为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

不稳定,时间复杂度 最理想 O(nlogn)最差时间O(n^2)

说下python中的序列:

列表、元组和字符串都是序列,但是序列是什么,它们为什么如此特别呢?序列的两个主要特点是索引操作符和切片操作符。索引操作符让我们可以从序列中抓取一个特定项目。切片操作符让我们能够获取序列的一个切片,即一部分序列,如:a = [‘aa','bb','cc'], print a[0] 为索引操作,print a[0:2]为切片操作。

希望通过此文掌握Python 算法排序的知识,谢谢大家对本站的支持!

(0)

相关推荐

  • python 排序算法总结及实例详解

    总结了一下常见集中排序的算法 归并排序 归并排序也称合并排序,是分治法的典型应用.分治思想是将每个问题分解成个个小问题,将每个小问题解决,然后合并. 具体的归并排序就是,将一组无序数按n/2递归分解成只有一个元素的子项,一个元素就是已经排好序的了.然后将这些有序的子元素进行合并. 合并的过程就是 对 两个已经排好序的子序列,先选取两个子序列中最小的元素进行比较,选取两个元素中最小的那个子序列并将其从子序列中 去掉添加到最终的结果集中,直到两个子序列归并完成. 代码如下: #!/usr/bin/p

  • JS中数据结构与算法---排序算法(Sort Algorithm)实例详解

    排序算法的介绍 排序也称排序算法 (Sort Algorithm),排序是将 一组数据 , 依指定的顺序 进行 排列的过程 . 排序的分类 1)  内部排序 : 指将需要处理的所有数据都加载 到 内部存储器(内存) 中进行排序. 2) 外部排序法: 数据量过大,无法全部加载到内 存中,需要借助 外部存储(文件等) 进行 排序. 常见的排序算法分类 算法的时间复杂度 度量一个程序(算法)执行时间的两种方法 1.事后统计的方法 这种方法可行, 但是有两个问题:一是要想对设计的算法的运行性能进行评测,

  • python中的decimal类型转换实例详解

    [Python标准库]decimal--定点数和浮点数的数学运算 作用:使用定点数和浮点数的小数运算.         Python 版本:2.4 及以后版本 decimal 模块实现了定点和浮点算术运算符,使用的是大多数人所熟悉的模型,而不是程序员熟悉的模型,即大多数计算机硬件实现的 IEEE 浮点数运算.Decimal 实例可以准确地表示任何数,对其上取整或下取整,还可以对有效数字个数加以限制. Decimal 小数值表示为 Decimal 类的实例.构造函数取一个整数或字符串作为参数.使用

  • java 算法之冒泡排序实例详解

    java 算法之冒泡排序实例详解 无人不知无人不晓的冒泡排序,据说是模仿泡泡从水中浮起跑到水面的过程. 在要排序的一组数中,对当前还未排好序的范围内的全部数,自上而下对相邻的两个数依次进行比较和调整,让较大的数往下沉,较小的往上冒.即: 每当两相邻的数比较后发现它们的排序与排序要求相反时,就将它们互换. 来看一下代码: package cn.songxinqiang.study.algorithm.sort; import java.util.Arrays; /** * 冒泡排序 * * <p>

  • Python 通过URL打开图片实例详解

    Python 通过URL打开图片实例详解 不论是用OpenCV还是PIL,skimage等库,在之前做图像处理的时候,几乎都是读取本地的图片.最近尝试爬虫爬取图片,在保存之前,我希望能先快速浏览一遍图片,然后有选择性的保存.这里就需要从url读取图片了.查了很多资料,发现有这么几种方法,这里做个记录. 本文用到的图片URL如下: img_src = 'http://wx2.sinaimg.cn/mw690/ac38503ely1fesz8m0ov6j20qo140dix.jpg' 1.用Open

  • Python命令启动Web服务器实例详解

    Python命令启动Web服务器实例详解 利用Python自带的包可以建立简单的web服务器.在DOS里cd到准备做服务器根目录的路径下,输入命令: python -m Web服务器模块 [端口号,默认8000] 例如: python -m SimpleHTTPServer 8080 然后就可以在浏览器中输入 http://localhost:端口号/路径 来访问服务器资源. 例如: http://localhost:8080/index.htm(当然index.htm文件得自己创建) 其他机器

  • python 二分查找和快速排序实例详解

    思想简单,细节颇多:本以为很简单的两个小程序,写起来发现bug频出,留此纪念. #usr/bin/env python def binary_search(lst,t): low=0 height=len(lst)-1 quicksort(lst,0,height) print lst while low<=height: mid = (low+height)/2 if lst[mid] == t: return lst[mid] elif lst[mid]>t: height=mid-1 e

  • Python探索之URL Dispatcher实例详解

    URL dispatcher简单点理解就是根据URL,将请求分发到相应的方法中去处理,它是对URL和View的一个映射,它的实现其实也很简单,就是一个正则匹配的过程,事先定义好正则表达式和该正则表达式对应的view方法,如果请求的URL符合这个正则表达式,那么就分发这个请求到这个view方法中. 有了这个base,我们先抛出几个问题,提前思考一下: 这个映射定义在哪里?当映射很多时,如果有效的组织? URL中的参数怎么获取,怎么传给view方法? 如何在view或者是template中反解出UR

  • Python 中迭代器与生成器实例详解

    Python 中迭代器与生成器实例详解 本文通过针对不同应用场景及其解决方案的方式,总结了Python中迭代器与生成器的一些相关知识,具体如下: 1.手动遍历迭代器 应用场景:想遍历一个可迭代对象中的所有元素,但是不想用for循环 解决方案:使用next()函数,并捕获StopIteration异常 def manual_iter(): with open('/etc/passwd') as f: try: while True: line=next(f) if line is None: br

  • Python 高级专用类方法的实例详解

    Python 高级专用类方法的实例详解 除了 __getitem__ 和 __setitem__ 之外 Python 还有更多的专用函数.某些可以让你模拟出你甚至可能不知道的功能.下面的例子将展示 UserDict 一些其他专用方法. def __repr__(self): return repr(self.data) (1) def __cmp__(self, dict): (2) if isinstance(dict, UserDict): return cmp(self.data, dic

随机推荐