python 常見的排序算法實(shí)現(xiàn)匯總

排序分為兩類,比較類排序和非比較類排序,比較類排序通過比較來決定元素間的相對(duì)次序,其時(shí)間復(fù)雜度不能突破O(nlogn);非比較類排序可以突破基于比較排序的時(shí)間下界,缺點(diǎn)就是一般只能用于整型相關(guān)的數(shù)據(jù)類型,需要輔助的額外空間。
要求能夠手寫時(shí)間復(fù)雜度位O(nlogn)的排序算法:快速排序、歸并排序、堆排序
1.冒泡排序
思想:相鄰的兩個(gè)數(shù)字進(jìn)行比較,大的向下沉,最后一個(gè)元素是最大的。列表右邊先有序。
時(shí)間復(fù)雜度$O(n^2)$,原地排序,穩(wěn)定的
def bubble_sort(li:list):
for i in range(len(li)-1):
for j in range(i + 1, len(li)):
if li[i] > li[j]:
li[i], li[j] = li[j], li[i]
2.選擇排序
思想:首先找到最小元素,放到排序序列的起始位置,然后再從剩余元素中繼續(xù)尋找最小元素,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。列表左邊先有序。
時(shí)間復(fù)雜度$O(n^2)$,原地排序,不穩(wěn)定
def select_sort(nums: list):
for i in range(len(nums) - 1):
min_index = i
for j in range(i + 1, len(nums)):
if nums[j] < nums[i]:
min_index = j
nums[i], nums[min_index] = nums[min_index], nums[i]
3.插入排序
思想:構(gòu)建有序序列,對(duì)于未排序數(shù)據(jù),在已排序序列中從后向前掃描,找到相應(yīng)位置并插入。列表左邊先有序。
時(shí)間復(fù)雜度$O(n^2)$,原地排序,穩(wěn)定
def insert_sort(nums: list):
for i in range(len(nums)):
current = nums[i]
pre_index = i - 1
while pre_index >= 0 and nums[pre_index] > current:
nums[pre_index + 1] = nums[pre_index]
pre_index -= 1
nums[pre_index + 1] = current
4.希爾排序
思想:插入排序的改進(jìn)版,又稱縮小增量排序,將待排序的列表按下標(biāo)的一定增量分組,每組分別進(jìn)行直接插入排序,增量逐漸減小,直到為1,排序完成
時(shí)間復(fù)雜度$O(n^{1.5})$,原地排序,不穩(wěn)定
def shell_sort(nums: list):
gap = len(nums) >> 1
while gap > 0:
for i in range(gap, len(nums)):
current = nums[i]
pre_index = i - gap
while pre_index >= 0 and nums[pre_index] > current:
nums[pre_index + gap] = nums[pre_index]
pre_index -= gap
nums[pre_index + gap] = current
gap >>= 1
5.快速排序
思想:遞歸,列表中取出第一個(gè)元素,作為標(biāo)準(zhǔn),把比第一個(gè)元素小的都放在左側(cè),把比第一個(gè)元素大的都放在右側(cè),遞歸完成時(shí)就是排序結(jié)束的時(shí)候
時(shí)間復(fù)雜度$O(nlogn)$,空間復(fù)雜度$O(logn)$,不穩(wěn)定
def quick_sort(li:list):
if li == []:
return []
first = li[0]
# 推導(dǎo)式實(shí)現(xiàn)
left = quick_sort([l for l in li[1:] if l < first])
right = quick_sort([r for r in li[1:] if r >= first])
return left + [first] + right
6.歸并排序
思想:分治算法,拆分成子序列,使用歸并排序,將排序好的子序列合并成一個(gè)最終的排序序列。關(guān)鍵在于怎么合并:設(shè)定兩個(gè)指針,最初位置分別為兩個(gè)已經(jīng)排序序列的起始位置,比較兩個(gè)指針?biāo)赶虻脑?,選擇相對(duì)小的元素放到合并空間,并將該指針移到下一位置,直到某一指針超出序列尾,將另一序列所剩下的所有元素直接復(fù)制到合并序列尾。
時(shí)間復(fù)雜度$O(nlogn)$,空間復(fù)雜度O(n),不穩(wěn)定
二路歸并
def merge_sort(nums: list):
if len(nums) <= 1:
return nums
mid = len(nums) >> 1
left = merge_sort(nums[:mid]) # 拆分子問題
right = merge_sort(nums[mid:])
def merge(left, right): # 如何歸并
res = []
l, r = 0, 0
while l < len(left) and r < len(right):
if left[l] <= right[r]:
res.append(left[l])
l += 1
else:
res.append(right[r])
r += 1
res += left[l:]
res += right[r:]
return res
return merge(left, right)
7.堆排序
思想:根節(jié)點(diǎn)最大,大頂堆,對(duì)應(yīng)升序,根節(jié)點(diǎn)最小,小頂堆。
- 構(gòu)建大根堆,完全二叉樹結(jié)構(gòu),初始無序
- 最大堆調(diào)整,進(jìn)行堆排序。將堆頂元素與最后一個(gè)元素交換,此時(shí)后面有序
時(shí)間復(fù)雜度$O(nlogn)$,原地排序,穩(wěn)定
def heap_sort(nums: list):
def heapify(parent_index, length, nums):
temp = nums[parent_index] # 根節(jié)點(diǎn)的值
chile_index = 2 * parent_index + 1 # 左節(jié)點(diǎn),再加一為右節(jié)點(diǎn)
while chile_index < length:
if chile_index + 1 < length and nums[chile_index + 1] > nums[chile_index]:
chile_index = chile_index + 1
if temp > nums[chile_index]:
break
nums[parent_index] = nums[chile_index] # 使得根節(jié)點(diǎn)最大
parent_index = chile_index
chile_index = 2 * parent_index + 1
nums[parent_index] = temp
for i in range((len(nums) - 2) >> 1, -1, -1):
heapify(i, len(nums), nums) # 1.建立大根堆
for j in range(len(nums) - 1, 0, -1):
nums[j], nums[0] = nums[0], nums[j]
heapify(0, j, nums) # 2.堆排序,為升序
if __name__ == '__main__':
nums = [89, 3, 3, 2, 5, 45, 33, 67] # [2, 3, 3, 5, 33, 45, 67, 89]
heap_sort(nums)
print(nums)
以上就是python 常見的排序算法實(shí)現(xiàn)匯總的詳細(xì)內(nèi)容,更多關(guān)于python 排序算法的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章!
相關(guān)文章
python實(shí)現(xiàn)協(xié)同過濾推薦算法完整代碼示例
這篇文章主要介紹了python實(shí)現(xiàn)協(xié)同過濾推薦算法完整代碼示例,具有一定借鑒價(jià)值,需要的朋友可以參考下。2017-12-12
簡(jiǎn)單了解python高階函數(shù)map/reduce
這篇文章主要介紹了簡(jiǎn)單了解python高階函數(shù)map/reduce,文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2019-06-06
python中實(shí)現(xiàn)精確的浮點(diǎn)數(shù)運(yùn)算詳解
計(jì)算機(jī)智能處理可數(shù)集合的運(yùn)算,但是全體實(shí)數(shù)是不可數(shù)的,所以計(jì)算機(jī)只能用一些奇怪的方法來擬合他,于是就產(chǎn)生了浮點(diǎn)數(shù)。下面這篇文章主要給大家介紹了關(guān)于python中實(shí)現(xiàn)精確浮點(diǎn)數(shù)運(yùn)算的相關(guān)資料,需要的朋友可以參考借鑒,下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧。2017-11-11
Python使用conda如何安裝requirement.txt的擴(kuò)展包
這篇文章主要介紹了Python使用conda如何安裝requirement.txt的擴(kuò)展包問題,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2023-02-02
Tensorflow高性能數(shù)據(jù)優(yōu)化增強(qiáng)工具Pipeline使用詳解
這篇文章主要為大家介紹了Tensorflow高性能數(shù)據(jù)優(yōu)化增強(qiáng)工具Pipeline使用詳解,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪2022-11-11
pyinstaller打包單文件時(shí)--uac-admin選項(xiàng)不起作用怎么辦
這篇文章主要介紹了pyinstaller打包單文件時(shí)--uac-admin選項(xiàng)不起作用怎么辦,文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-04-04
機(jī)器學(xué)習(xí)Erdos?Renyi隨機(jī)圖生成方法及特性
這篇文章主要為大家介紹了機(jī)器學(xué)習(xí)Erdos?Renyi隨機(jī)圖生成方法及特性詳解,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪2022-05-05

