python3实现常见的排序算法(示例代码)

冒泡排序

冒泡排序是一种简单的排序算法。它重复地走访过要排序的数列,一次比较两个元素,如果它们的顺序错误就把它们交换过来。走访数列的工作是重复地进行直到没有再需要交换,也就是说该数列已经排序完成。这个算法的名字由来是因为越小的元素会经由交换慢慢“浮”到数列的顶端。

def mao(lst):
    for i in range(len(lst)):
        # 由于每一轮结束后,总一定有一个大的数排在后面
        # 而且后面的数已经排好了
        # 即i轮之后,就有i个数字被排好
        # 所以其 len-1 -i到 len-1的位置是已经排好的了
        # 只需要比较0到len -1 -i的位置即可

        # flag 用于标记是否刚开始就是排好的数据
        # 只有当flag状态发生改变时(第一次循环就可以确定),继续排序,否则返回
        flag = False
        for j in range(len(lst) - i - 1):
            if lst[j] > lst[j + 1]:
                lst[j], lst[j + 1] = lst[j + 1], lst[j]
                flag = True
                # 非排好的数据,改变flag
        if not flag:
            return lst
    return lst

print(mao([1, 5, 55, 4, 5, 1, 3, 4, 5, 8, 62, 7]))

选择排序

选择排序是一种简单直观的排序算法。它的工作原理: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。

# 选择排序是从前开始排的
# 选择排序是从一个列表中找出一个最小的元素,然后放在第一位上。
# 冒泡排序类似
# 其 0 到 i的位置是排好的,只需要排i+1到len(lst)-1即可

def select_sort(lst):
    for i in range(len(lst)):
        min_index = i  # 用于记录最小的元素的索引
        for j in range(i + 1, len(lst)):
            if lst[j] < lst[min_index]:
                min_index = j

        # 此时,已经确定,min_index为 i+1 到len(lst) - 1 这个区间最小值的索引
        lst[i], lst[min_index] = lst[min_index], lst[i]

    return lst

def select_sort2(lst):
    # 第二种选择排序的方法
    # 原理与第一种一样
    # 不过不需要引用中间变量min_index
    # 只需要找到索引i后面的i+1到len(lst)的元素即可

    for i in range(len(lst)):
        for j in range(len(lst) - i):

            # lst[i + j]是一个i到len(lst)-1的一个数
            # 因为j <= len(lst) -i 即 j + i <= len(lst)
            if lst[i] > lst[i + j]:
                # 说明后面的数更小,更换位置
                lst[i], lst[i + j] = lst[i + j], lst[i]
    return lst

print(select_sort([1, 5, 55, 4, 5, 1, 3, 4, 5, 8, 62, 7]))
print(select_sort2([1, 5, 55, 4, 5, 1, 3, 4, 5, 8, 62, 7]))

快速排序

快速排序是通过一趟排序将待排记录分隔成独立的两部分,其中一部分记录的关键字均比另一部分的关键字小,则可分别对这两部分记录继续进行排序,以达到整个序列有序。

# 原理
# 1. 任取列表中的一个元素i
# 2. 把列表中大于i的元素放于其右边,小于则放于其左边
# 3. 如此重复
# 4. 直到不能在分,即只剩1个元素了
# 5. 然后将这些结果组合起来

def quicksort(lst):
    if len(lst) < 2:    # lst有可能为空
        return lst

    # ['pɪvət] 中心点
    pivot = lst[0]
    less_lst = [i for i in lst[1:] if i <= pivot]
    greater_lst = [i for i in lst[1:] if i > pivot]
    # 最后的结果就是
    #           左边的结果 + 中间值 + 右边的结果
    # 然后细分   左+中+右   + 中间值 + 左 + 中+ 右
    #      ...........    + 中间值 + ............
    return quicksort(less_lst) + [pivot] + quicksort(greater_lst)

print(quicksort([1, 5, 55, 4, 5, 1, 3, 4, 5, 8, 62, 7]))
print(quicksort([1, 5, 8, 62]))

插入排序

插入排序的算法描述是一种简单直观的排序算法。它的工作原理是通过构建有序序列,对于未排序数据,在已排序序列中从后向前扫描,找到相应位置并插入。

# lst的[0, i) 项是有序的,因为已经排过了
# 那么只需要比对第i项的lst[i]和lst[0 : i]的元素大小即可
# 假如,lst[i]大,则不用改变位置
#     否则,lst[i]改变位置,插到j的位置,而lst[j]自然往后挪一位
#     然后再删除lst[i+1]即可(lst[i+1]是原来的lst[i])
#
# 重复上面步骤即可,排序完成

def insert_sort(lst: list):
    # 外层开始的位置从1开始,因为从0开始都没得排
    # 只有两个元素以上才能排序
    for i in range(1, len(lst)):
        # 内层需要从0开始,因为lst[0]的位置不一定是最小的
        for j in range(i):
            if lst[i] < lst[j]:
                lst.insert(j, lst[i])
                # lst[i]已经插入到j的位置了,j之后的元素都往后+1位,所以删除lst[i+1]
                del lst[i + 1]
    return lst

print(insert_sort([1, 5, 55, 4, 5, 1, 3, 4, 5, 8, 62, 7]))

希尔排序

希尔排序是1959年Shell发明的,第一个突破O(n2)的排序算法,是简单插入排序的改进版。它与插入排序的不同之处在于,它会优先比较距离较远的元素。希尔排序又叫缩小增量排序。

希尔排序

# 希尔排序是对直接插入排序的优化版本
# 1. 分组:
#       每间隔一段距离取一个元素为一组
#       间隔自己确定,一般为lst的一半
# 2. 根据插入排序,把每一组排序好
# 3. 继续分组:
#         同样没间隔一段距离取一个元素为一组
#         间隔要求比  之前的间隔少一半
# 4. 再每组插入排序
# 5. 直到间隔为1,则排序完成
#

def shell_sort(lst):
    lst_len = len(lst)
    gap = lst_len // 2  # 整除2,取间隔
    while gap >= 1:  # 间隔为0时结束
        for i in range(gap, lst_len):
            temp = lst[i]
            j = i
            # 插入排序
            while j - gap >= 0 and lst[j - gap] > temp:
                lst[j] = lst[j - gap]
                j -= gap
            lst[j] = temp
        gap //= 2
    return lst

print(shell_sort([1, 5, 55, 4, 5, 1, 3, 4, 5, 8, 62, 7]))

# 奇数
#       gap = 2
# [5, 2, 4, 3, 1]
# [5, 4, 1] [2, 3]
# [1, 4, 5, 2, 3]
#       gap = 1
# [1, 2, 3, 4, 5]

# 偶数
#       gap = 3
# [5, 2, 4, 3, 1, 6]
# [5, 3] [2, 1] [4,6]
# [3, 5, 1, 2, 4 , 6]
#       gap = 1
# [1, 2, 3, 4, 5, 6]

并归排序

归并排序是建立在归并操作上的一种有效的排序算法。该算法是采用分治法(Divide and Conquer)的一个非常典型的应用。将已有序的子序列合并,得到完全有序的序列;即先使每个子序列有序,再使子序列段间有序。若将两个有序表合并成一个有序表,称为2-路归并。

并归排序

# 利用分治法
# 不断将lst分为左右两个分
# 直到不能再分
# 然后返回
# 将两边的列表的元素进行比对,排序然后返回
# 不断重复上面这一步骤
# 直到排序完成,即两个大的列表比对完成

def merge(left, right):
    # left 可能为只有一个元素的列表,或已经排好序的多个元素列表(之前调用过merge)
    # right 也一样

    res = []
    while left and right:
        item = left.pop(0) if left[0] < right[0] else right.pop(0)
        res.append(item)

    # 此时,left或right已经有一个为空,直接extend插入
    # 而且,left和right是之前已经排好序的列表,不需要再操作了

    res.extend(left)
    res.extend(right)
    return res

def merge_sort(lst):
    lst_len = len(lst)
    if lst_len <= 1:
        return lst
    mid = lst_len // 2

    lst_right = merge_sort(lst[mid:len(lst)])       # 返回的时lst_len <= 1时的 lst 或 merge中进行排序后的列表
    lst_left = merge_sort(lst[:mid])                # 返回的是lst_len <= 1时的 lst 或 merge中进行排序后的列表

    return merge(lst_left, lst_right)               # 进行排序,lst_left lst_right 的元素会不断增加

print(merge_sort([1, 5, 55, 4, 5, 1, 3, 4, 5, 8, 62, 7]))

堆排序

堆排序是指利用堆这种数据结构所设计的一种排序算法。堆积是一个近似完全二叉树的结构,并同时满足堆积的性质:即子结点的键值或索引总是小于(或者大于)它的父节点。然后进行排序。

堆排序

# 把列表创成一个大根堆或小根堆
# 然后根据大(小)根堆的特点:根节点最大(小),逐一取值
#
# 升序----使用大顶堆
#
# 降序----使用小顶堆
# 本例以小根堆为例
# 列表lst = [1, 22 ,11, 8, 12, 4, 9]

# 1. 建成一个普通的堆:
#          1
#        /   \
#       22    11
#      / \    / \
#     8  12  4   9
#
# 2. 进行调整,从子开始调整位置,要求: 父节点<= 字节点
#
#          1                                    1                                    1
#        /   \         13和22调换位置         /   \          4和11调换位置          / \
#       22    11       ==============>      13     11       ==============>       13    4
#      / \    / \                          / \    /  \                           / \   /  \
#     13  14 4   9                       22  14  4    9                        22  14 11   9
#
# 3. 取出树上根节点,即最小值,把换上叶子节点的最大值
#
#                   1
#                  /
#             ~~~~/
#          22
#         /   \
#        8     4
#         \   /  \
#         12 11   9
#
# 4. 按照同样的道理,继续形成小根堆,然后取出根节点,。。。。重复这个过程
#
#          1                    1                 1  4                1 4           1 4 8           1 4 8
#           /                    /                  /                    /             /                 /
#       ~~~/                 ~~~/               ~~~/                 ~~~/          ~~~/              ~~~/
#      22                   4                 22                   8             22                9
#     /   \               /   \              /   \               /   \          /   \             /  \
#    8     4             8     9            8     9             12    9        12    9           12  11
#     \   /  \            \   /  \           \   /               \   /              /                /
#     12 11   9           12 11  22          12 11               22 11            11               22
#
# 续上:
#       1 4 8 9          1 4 8 9           1 4 8 9 11     1 4 8 9 11    1 4 8 9 11 12   ==>  1 4 8 9 11 12 22
#            /                  /                  /                /              /
#        ~~~/               ~~~/               ~~~/             ~~~/           ~~~/
#       22                 11                22                12            22
#      /   \              /   \             /                  /
#     12    11           12    22          12                22
#
# 代码实现

def heapify(lst, lst_len, i):
    """创建一个堆"""
    less = i  # largest为最大元素的索引

    left_node_index = 2 * i + 1  # 左子节点索引
    right_node_index = 2 * i + 2  # 右子节点索引

    # lst[i] 就是父节点(假如有子节点的话):
    #
    #                 lst[i]
    #                  /   \
    #      lst[2*i + 1]    lst[ 2*i + 2]
    #

    # 想要大根堆,即升序, 将判断左右子节点大小的 ‘>' 改为 ‘<' 即可
    #
    if left_node_index < lst_len and lst[less] > lst[left_node_index]:
        less = left_node_index

    if right_node_index < lst_len and lst[less] > lst[right_node_index]:
        # 右边节点最小的时候
        less = right_node_index

    if less != i:
        # 此时,是字节点大于父节点,所以相互交换位置
        lst[i], lst[less] = lst[less], lst[i]  # 交换
        heapify(lst, lst_len, less)
        # 节点变动了,需要再检查一下

def heap_sort(lst):
    res = []
    i = len(lst)
    lst_len = len(lst)

    for i in range(lst_len, -1, -1):
        # 要从叶节点开始比较,所以倒着来
        heapify(lst, lst_len, i)

    # 此时,已经建好了一个小根树
    # 所以,交换元素,将根节点(最小值)放在后面,重复这个过程
    for j in range(lst_len - 1, 0, -1):
        lst[0], lst[j] = lst[j], lst[0]  # 交换,最小的放在j的位置

        heapify(lst, j, 0)      # 再次构建一个[0: j)小根堆 [j: lst_len-1]已经倒序排好了
    return lst

arr = [1, 5, 55, 4, 5, 1, 3, 4, 5, 8, 62, 7]
print(heap_sort(arr))

参考:
十大经典排序算法(动图演示)
数据结构与算法-排序篇-Python描述

动图可以点击这里查看

我的github
我的博客
我的笔记

到此这篇关于python3实现常见的排序算法(示例代码)的文章就介绍到这了,更多相关python排序算法内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们!

(0)

相关推荐

  • python实现归并排序算法

    归并排序是典型的分治法的应用 思想:先递归分解数组,再合并数组 原理:将数组分解最小之后,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,谁小就取谁,取完后,将相应的指针后移以为.然后再比较,直到一个数组为空,最后把另一个数组的剩余部分复制过来即可. Python代码实现: #归并排序 def merge_sort(alist): if len(alist) <= 1: return alist # 二分分解 num = len(alist) / 2 left = merge_sort

  • python八大排序算法速度实例对比

    这篇文章并不是介绍排序算法原理的,纯粹是想比较一下各种排序算法在真实场景下的运行速度. 算法由 Python 实现,可能会和其他语言有些区别,仅当参考就好. 测试的数据是自动生成的,以数组形式保存到文件中,保证数据源的一致性. 排序算法 直接插入排序 时间复杂度:O(n²) 空间复杂度:O(1) 稳定性:稳定 def insert_sort(array): for i in range(len(array)): for j in range(i): if array[i] < array[j]:

  • 详解python算法之冒泡排序

    python之冒泡排序 概念: 重复地走访过要排序的元素列,依次比较两个相邻的元素,如果他们的顺序(如从大到小.首字母从A到Z)错误就把他们交换过来.走访元素的工作是重复地进行直到没有相邻元素需要交换,也就是说该元素已经排序完成 这个算法的名字由来是因为越大的元素会经由交换慢慢"浮"到数列的顶端(升序或降序排列),就如同碳酸饮料中二氧化碳的气泡最终会上浮到顶端一样,故名"冒泡排序". 算法原理 冒泡排序算法的原理如下: 比较相邻的元素.如果第一个比第二个大,就交换他

  • python实现冒泡排序算法的两种方法

    什么是冒泡排序? 冒泡排序(Bubble Sort),是一种计算机科学领域的较简单的排序算法. 它重复地走访过要排序的数列,一次比较两个元素,如果他们的顺序错误就把他们交换过来.走访数列的工作是重复地进行直到没有再需要交换,也就是说该数列已经排序完成. 这个算法的名字由来是因为越大的元素会经由交换慢慢"浮"到数列的顶端,故名冒泡排序. 以上是百度词条对冒泡排序的官方解释. 但是我要说一下我的个人理解,我觉得冒泡排序的核心思想是:每次比较两个数,如果他们顺序错误(大于或者小于),那么就把

  • Python实现的计数排序算法示例

    本文实例讲述了Python实现的计数排序算法.分享给大家供大家参考,具体如下: 计数排序是一种非常快捷的稳定性强的排序方法,时间复杂度O(n+k),其中n为要排序的数的个数,k为要排序的数的组大值.计数排序对一定量的整数排序时候的速度非常快,一般快于其他排序算法.但计数排序局限性比较大,只限于对整数进行排序.计数排序是消耗空间发杂度来获取快捷的排序方法,其空间发展度为O(K)同理K为要排序的最大值. 计数排序的基本思想为一组数在排序之前先统计这组数中其他数小于这个数的个数,则可以确定这个数的位置

  • Python实现的直接插入排序算法示例

    本文实例讲述了Python实现的直接插入排序算法.分享给大家供大家参考,具体如下: # -*- coding:utf-8 -*- '''直接插入的python实现 时间复杂度O(n**2) 空间复杂度O(1) 稳定 思想:先将前两个元素排序,第三个元素插入前面已排好序列, 后面的元素依次插入之前已经排好序的序列 ''' author = 'Leo Howell' L = [89,67,56,45,34,23,1] def direct_insert_sort(numbers): for i in

  • python3实现常见的排序算法(示例代码)

    冒泡排序 冒泡排序是一种简单的排序算法.它重复地走访过要排序的数列,一次比较两个元素,如果它们的顺序错误就把它们交换过来.走访数列的工作是重复地进行直到没有再需要交换,也就是说该数列已经排序完成.这个算法的名字由来是因为越小的元素会经由交换慢慢"浮"到数列的顶端. def mao(lst): for i in range(len(lst)): # 由于每一轮结束后,总一定有一个大的数排在后面 # 而且后面的数已经排好了 # 即i轮之后,就有i个数字被排好 # 所以其 len-1 -i到

  • shell中的排序算法示例代码

    目录 冒泡排序法 基本思想: 算法思路 直接选择排序 基本思想: 反转排序 基本思想: 直接插入算法 基本思想: 希尔算法 基本思想 冒泡排序法 类似旗袍上涌的动作,会将数据在数组中从小大大或者从大到小不断的向前移动. 基本思想: 冒泡排序的基本思想是对比相邻的两个元素值,如果满足条件就交换元素值,把较小的元素移动到数组前面,把大的元素移动到数组后面(也就是交换两个元素的位置),这样较小的元素就像气泡一样从底部上升到顶部. 算法思路 冒泡算法由双层循环实现,其中外部循环用于控制排序轮数,一般为要

  • Java实现常见的排序算法的示例代码

    目录 一.优化后的冒泡排序 二.选择排序 三.插入排序 四.希尔排序 五.快速排序 六.随机化快速排序 七.归并排序 八.可处理负数的基数排序 一.优化后的冒泡排序 package com.yzh.sort; /* 冒泡排序 */ @SuppressWarnings({"all"}) public class BubbleSort { public static void BubbleSort(int[]a){ for (int i = 0; i <a.length-1 ; i+

  • GO语言中常见的排序算法使用示例

    目录 快排 冒泡 选择排序 插入排序 希尔排序 二分法查找 快排 package main import ( "fmt" "math/rand" "time" ) func main() { li:=[]int{1,3,5,2,4,6,9,7} left:=0 right:=len(li)-1 fmt.Println(quick_sort(li,left,right)) } func quick_sort(li []int, left,right

  • Python实现各种排序算法的代码示例总结

    在Python实践中,我们往往遇到排序问题,比如在对搜索结果打分的排序(没有排序就没有Google等搜索引擎的存在),当然,这样的例子数不胜数.<数据结构>也会花大量篇幅讲解排序.之前一段时间,由于需要,我复习了一下排序算法,并用Python实现了各种排序算法,放在这里作为参考. 最简单的排序有三种:插入排序,选择排序和冒泡排序.这三种排序比较简单,它们的平均时间复杂度均为O(n^2),在这里对原理就不加赘述了.贴出来源代码. 插入排序: def insertion_sort(sort_lis

  • Python cookbook(数据结构与算法)实现对不原生支持比较操作的对象排序算法示例

    本文实例讲述了Python实现对不原生支持比较操作的对象排序算法.分享给大家供大家参考,具体如下: 问题:想在同一个类的实例之间做排序,但是它们并不原生支持比较操作. 解决方案:使用内建的sorted()函数可接受一个用来传递可调用对象的参数key,sorted利用该可调用对象返回的待排序对象中的某些值来比较对象. from operator import attrgetter class User: def __init__(self, user_id): self.user_id = use

  • Python cookbook(数据结构与算法)通过公共键对字典列表排序算法示例

    本文实例讲述了Python通过公共键对字典列表排序算法.分享给大家供大家参考,具体如下: 问题:想根据一个或多个字典中的值来对列表排序 解决方案:利用operator模块中的itemgetter()函数对这类结构进行排序是非常简单的. # Sort a list of a dicts on a common key rows = [ {'fname': 'Brian', 'lname': 'Jones', 'uid': 1003}, {'fname': 'David', 'lname': 'Be

  • 浅谈Java常见的排序算法

    目录 一.直接插入排序 二. 希尔排序 三.冒泡排序 四.快速排序 五.选择排序(Selection Sort) 六.堆排序 七.归并排序 一.直接插入排序 基本思想: 将一个记录插入到已排序的有序表中,使插入后的表仍然有序 对初始关键字{49 38 65 97 76 13 27 49}进行直接插入排序 package Sort; //插入排序 public class InsertSort { public static void main(String[] args) { int [] ar

  • C++ 实现桶排序的示例代码

    目录 原理 实现步骤: 模拟生成整数随机数 桶排序实现 完整版可运行程序 时间复杂度计算 桶排序:整数 原理 原理简述:按照需要排序数组的实际情况,生成一个一定长度的一维数组,用于统计需要排序数组的不同数值的重复次数,完成统计后,再按顺序重复输出该数值 实现步骤: 确定需要排序数组的最大值和最小值 生成桶数组,并初始化 对需要排序数组进行统计,统计结果放入相应的桶中 循环输出桶,并替换原序列 模拟生成整数随机数 #include <random> #include <ctime>

  • java中几种常见的排序算法总结

    目录 本节目标: [插入排序] [优化版] [希尔排序] [选择排序] [堆排序]  [冒泡排序] 介绍一个冒泡排序的优化方法:  [快速排序] [归并排序] [正文] [代码简介:]  [排序总结] 本节目标: :分析常见的比较排序算法基本原理及实现 :分析排序算法的性能分析 :分析Java中常用排序方法 1 排序 排序,就是使一串记录,按照其中某个或某些关键字的大小,递增或递减排列的操作. 平时的上下文中,提到排序 通常指排升序. 2 稳定性 两个相同的数据,如果经过排序后,排序算法能保证其

随机推荐