python查找與排序算法詳解(示圖+代碼)
查找
二分查找
二分搜索是一種在有序數(shù)組中查找某一特定元素的搜索算法。搜索過(guò)程從數(shù)組的中間元素開(kāi)始,如果中間元素正好是要查找的元素,則搜索過(guò)程結(jié)束;如果某一特定元素大于或者小于中間元素,則在數(shù)組大于或小于中間元素的那一半中查找,而且跟開(kāi)始一樣從中間元素開(kāi)始比較。如果在某一步驟數(shù)組為空,則代表找不到。這種搜索算法每一次比較都使搜索范圍縮小一半。

# 返回 x 在 arr 中的索引,如果不存在返回 -1
def binarySearch (arr, l, r, x):
# 基本判斷
if r >= l:
mid = int(l + (r - l)/2)
# 元素整好的中間位置
if arr[mid] == x:
return mid
# 元素小于中間位置的元素,只需要再比較左邊的元素
elif arr[mid] > x:
return binarySearch(arr, l, mid-1, x)
# 元素大于中間位置的元素,只需要再比較右邊的元素
else:
return binarySearch(arr, mid+1, r, x)
else:
# 不存在
return -1
# 測(cè)試數(shù)組
arr = [ 2, 3, 4, 10, 40]
x = int(input('請(qǐng)輸入元素:'))
# 函數(shù)調(diào)用
result = binarySearch(arr, 0, len(arr)-1, x)
if result != -1:
print("元素在數(shù)組中的索引為 %d" % result)
else:
print("元素不在數(shù)組中")運(yùn)行結(jié)果:
請(qǐng)輸入元素:4
元素在數(shù)組中的索引為 2
請(qǐng)輸入元素:5
元素不在數(shù)組中
線性查找
線性查找:指按一定的順序檢查數(shù)組中每一個(gè)元素,直到找到所要尋找的特定值為止。
def search(arr, n, x):
for i in range (0, n):
if (arr[i] == x):
return i
return -1
# 在數(shù)組 arr 中查找字符 D
arr = [ 'A', 'B', 'C', 'D', 'E' ]
x = input("請(qǐng)輸入要查找的元素:")
n = len(arr)
result = search(arr, n, x)
if(result == -1):
print("元素不在數(shù)組中")
else:
print("元素在數(shù)組中的索引為", result)運(yùn)行結(jié)果:
請(qǐng)輸入要查找的元素:A
元素在數(shù)組中的索引為 0
請(qǐng)輸入要查找的元素:a
元素不在數(shù)組中
排序
插入排序
插入排序(Insertion Sort):是一種簡(jiǎn)單直觀的排序算法。它的工作原理是通過(guò)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。

def insertionSort(arr):
for i in range(1, len(arr)):
key = arr[i]
j = i-1
while j >= 0 and key < arr[j]:
arr[j+1] = arr[j]
j -= 1
arr[j+1] = key
arr = [12, 11, 13, 5, 6, 7, 9, 9, 17]
insertionSort(arr)
print("排序后的數(shù)組:")
print(arr)運(yùn)行結(jié)果:
排序后的數(shù)組:
[5, 6, 7, 9, 9, 11, 12, 13, 17]
當(dāng)然也可以這樣寫(xiě),更簡(jiǎn)潔
list1 = [12, 11, 13, 5, 6, 7, 9, 9, 17]
for i in range(len(list1)-1, 0, -1):
for j in range(0, i):
if list1[i] < list1[j]:
list1[i], list1[j] = list1[j], list1[i]
print(list1)快速排序
快速排序;使用分治法(Divide and conquer)策略來(lái)把一個(gè)序列(list)分為較小和較大的2個(gè)子序列,然后遞歸地排序兩個(gè)子序列。
步驟為:
- 挑選基準(zhǔn)值:從數(shù)列中挑出一個(gè)元素,稱為"基準(zhǔn)"(pivot);
- 分割:重新排序數(shù)列,所有比基準(zhǔn)值小的元素?cái)[放在基準(zhǔn)前面,所有比基準(zhǔn)值大的元素?cái)[在基準(zhǔn)后面(與基準(zhǔn)值相等的數(shù)可以到任何一邊)。在這個(gè)分割結(jié)束之后,對(duì)基準(zhǔn)值的排序就已經(jīng)完成;
- 遞歸排序子序列:遞歸地將小于基準(zhǔn)值元素的子序列和大于基準(zhǔn)值元素的子序列排序。
遞歸到最底部的判斷條件是數(shù)列的大小是零或一,此時(shí)該數(shù)列顯然已經(jīng)有序。
選取基準(zhǔn)值有數(shù)種具體方法,此選取方法對(duì)排序的時(shí)間性能有決定性影響。

def partition(arr, low, high):
i = (low-1) # 最小元素索引
pivot = arr[high]
for j in range(low, high):
# 當(dāng)前元素小于或等于 pivot
if arr[j] <= pivot:
i = i+1
arr[i], arr[j] = arr[j], arr[i]
arr[i+1], arr[high] = arr[high], arr[i+1]
return (i+1)
# arr[] --> 排序數(shù)組
# low --> 起始索引
# high --> 結(jié)束索引
# 快速排序函數(shù)
def quickSort(arr, low, high):
if low < high:
pi = partition(arr, low, high)
quickSort(arr, low, pi-1)
quickSort(arr, pi+1, high)
return arr
arr = [10, 7, 8, 9, 1, 5]
n = len(arr)
print("排序后的數(shù)組:")
print(quickSort(arr, 0, n-1))運(yùn)行結(jié)果:
排序后的數(shù)組:
[1, 5, 7, 8, 9, 10]
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小(大)元素,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?。ù螅┰?,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。

A = [64, 25, 12, 22, 11]
for i in range(len(A)):
min_idx = i
for j in range(i+1, len(A)):
if A[min_idx] > A[j]:
min_idx = j
A[i], A[min_idx] = A[min_idx], A[i]
print("排序后的數(shù)組:")
print(A)運(yùn)行結(jié)果:
排序后的數(shù)組:
[11, 12, 22, 25, 64]
冒泡排序
冒泡排序(Bubble Sort):也是一種簡(jiǎn)單直觀的排序算法。它重復(fù)地走訪過(guò)要排序的數(shù)列,一次比較兩個(gè)元素,如果他們的順序錯(cuò)誤就把他們交換過(guò)來(lái)。走訪數(shù)列的工作是重復(fù)地進(jìn)行直到?jīng)]有再需要交換,也就是說(shuō)該數(shù)列已經(jīng)排序完成。這個(gè)算法的名字由來(lái)是因?yàn)樵叫〉脑貢?huì)經(jīng)由交換慢慢"浮"到數(shù)列的頂端。

def bubbleSort(arr):
n = len(arr)
# 遍歷所有數(shù)組元素
for i in range(n):
# Last i elements are already in place
for j in range(0, n-i-1):
if arr[j] > arr[j+1]:
arr[j], arr[j+1] = arr[j+1], arr[j]
return arr
arr = [64, 34, 25, 12, 22, 11, 90]
print("排序后的數(shù)組:")
print(bubbleSort(arr))運(yùn)行結(jié)果:
排序后的數(shù)組:
[11, 12, 22, 25, 34, 64, 90]
歸并排序
歸并排序(Merge sort,或mergesort):,是創(chuàng)建在歸并操作上的一種有效的排序算法。該算法是采用分治法(Divide and Conquer)的一個(gè)非常典型的應(yīng)用。
分治法:
- 分割:遞歸地把當(dāng)前序列平均分割成兩半。
- 集成:在保持元素順序的同時(shí)將上一步得到的子序列集成到一起(歸并)。

def merge(arr, l, m, r):
n1 = m - l + 1
n2 = r - m
# 創(chuàng)建臨時(shí)數(shù)組
L = [0] * (n1)
R = [0] * (n2)
# 拷貝數(shù)據(jù)到臨時(shí)數(shù)組 arrays L[] 和 R[]
for i in range(0, n1):
L[i] = arr[l + i]
for j in range(0, n2):
R[j] = arr[m + 1 + j]
# 歸并臨時(shí)數(shù)組到 arr[l..r]
i = 0 # 初始化第一個(gè)子數(shù)組的索引
j = 0 # 初始化第二個(gè)子數(shù)組的索引
k = l # 初始?xì)w并子數(shù)組的索引
while i < n1 and j < n2:
if L[i] <= R[j]:
arr[k] = L[i]
i += 1
else:
arr[k] = R[j]
j += 1
k += 1
# 拷貝 L[] 的保留元素
while i < n1:
arr[k] = L[i]
i += 1
k += 1
# 拷貝 R[] 的保留元素
while j < n2:
arr[k] = R[j]
j += 1
k += 1
def mergeSort(arr, l, r):
if l < r:
m = int((l+(r-1))/2)
mergeSort(arr, l, m)
mergeSort(arr, m+1, r)
merge(arr, l, m, r)
return arr
print ("給定的數(shù)組")
arr = [12, 11, 13, 5, 6, 7, 13]
print(arr)
n = len(arr)
mergeSort(arr, 0, n-1)
print("排序后的數(shù)組")
print(arr)運(yùn)行結(jié)果:
給定的數(shù)組
[12, 11, 13, 5, 6, 7, 13]
排序后的數(shù)組
[5, 6, 7, 11, 12, 13, 13]
堆排序
堆排序(Heapsort):是指利用堆這種數(shù)據(jù)結(jié)構(gòu)所設(shè)計(jì)的一種排序算法。堆積是一個(gè)近似完全二叉樹(shù)的結(jié)構(gòu),并同時(shí)滿足堆積的性質(zhì):即子結(jié)點(diǎn)的鍵值或索引總是小于(或者大于)它的父節(jié)點(diǎn)。堆排序可以說(shuō)是一種利用堆的概念來(lái)排序的選擇排序。

def heapify(arr, n, i):
largest = i
l = 2 * i + 1 # left = 2*i + 1
r = 2 * i + 2 # right = 2*i + 2
if l < n and arr[i] < arr[l]:
largest = l
if r < n and arr[largest] < arr[r]:
largest = r
if largest != i:
arr[i], arr[largest] = arr[largest], arr[i] # 交換
def heapSort(arr):
n = len(arr)
# Build a maxheap.
for i in range(n, -1, -1):
heapify(arr, n, i)
# 一個(gè)個(gè)交換元素
for i in range(n-1, 0, -1):
arr[i], arr[0] = arr[0], arr[i] # 交換
heapify(arr, i, 0)
return arr
arr = [12, 11, 13, 5, 6, 7, 13, 18]
heapSort(arr)
print("排序后的數(shù)組")
print(heapSort(arr))運(yùn)行結(jié)果:
排序后的數(shù)組
[5, 6, 7, 12, 11, 13, 13, 18]
計(jì)數(shù)排序
計(jì)數(shù)排序:的核心在于將輸入的數(shù)據(jù)值轉(zhuǎn)化為鍵存儲(chǔ)在額外開(kāi)辟的數(shù)組空間中。作為一種線性時(shí)間復(fù)雜度的排序,計(jì)數(shù)排序要求輸入的數(shù)據(jù)必須是有確定范圍的整數(shù)。

def countSort(arr):
output = [0 for i in range(256)]
count = [0 for i in range(256)]
ans = ["" for _ in arr]
for i in arr:
count[ord(i)] += 1
for i in range(256):
count[i] += count[i-1]
for i in range(len(arr)):
output[count[ord(arr[i])]-1] = arr[i]
count[ord(arr[i])] -= 1
for i in range(len(arr)):
ans[i] = output[i]
return ans
arr = "wwwnowcodercom"
ans = countSort(arr)
print("字符數(shù)組排序 %s" %("".join(ans)))運(yùn)行結(jié)果:
字符數(shù)組排序 ccdemnooorwwww
希爾排序
希爾排序:也稱遞減增量排序算法,是插入排序的一種更高效的改進(jìn)版本。但希爾排序是非穩(wěn)定排序算法。
希爾排序的基本思想是:先將整個(gè)待排序的記錄序列分割成為若干子序列分別進(jìn)行直接插入排序,待整個(gè)序列中的記錄"基本有序"時(shí),再對(duì)全體記錄進(jìn)行依次直接插入排序。

def shellSort(arr):
n = len(arr)
gap = int(n/2)
while gap > 0:
for i in range(gap, n):
temp = arr[i]
j = i
while j >= gap and arr[j-gap] > temp:
arr[j] = arr[j-gap]
j -= gap
arr[j] = temp
gap = int(gap/2)
return arr
arr = [12, 34, 54, 2, 3, 2, 5]
print("排序前:")
print(arr)
print("排序后:")
print(shellSort(arr))運(yùn)行結(jié)果:
排序前:
[12, 34, 54, 2, 3, 2, 5]
排序后:
[2, 2, 3, 5, 12, 34, 54]
拓?fù)渑判?/h3>
對(duì)一個(gè)有向無(wú)環(huán)圖(Directed Acyclic Graph簡(jiǎn)稱DAG)G進(jìn)行拓?fù)渑判?,是將G中所有頂點(diǎn)排成一個(gè)線性序列,使得圖中任意一對(duì)頂點(diǎn)u和v,若邊(u,v)∈E(G),則u在線性序列中出現(xiàn)在v之前。通常,這樣的線性序列稱為滿足拓?fù)浯涡?Topological Order)的序列,簡(jiǎn)稱拓?fù)湫蛄?。?jiǎn)單的說(shuō),由某個(gè)集合上的一個(gè)偏序得到該集合上的一個(gè)全序,這個(gè)操作稱之為拓?fù)渑判颉?/p>
在圖論中,由一個(gè)有向無(wú)環(huán)圖的頂點(diǎn)組成的序列,當(dāng)且僅當(dāng)滿足下列條件時(shí),稱為該圖的一個(gè)拓?fù)渑判颍ㄓ⒄Z(yǔ):Topological sorting):
每個(gè)頂點(diǎn)出現(xiàn)且只出現(xiàn)一次;若A在序列中排在B的前面,則在圖中不存在從B到A的路徑。

from collections import defaultdict
class Graph:
def __init__(self, vertices):
self.graph = defaultdict(list)
self.V = vertices
def addEdge(self, u, v):
self.graph[u].append(v)
def topologicalSortUtil(self, v, visited, stack):
visited[v] = True
for i in self.graph[v]:
if visited[i] == False:
self.topologicalSortUtil(i, visited, stack)
stack.insert(0,v)
def topologicalSort(self):
visited = [False]*self.V
stack = []
for i in range(self.V):
if visited[i] == False:
self.topologicalSortUtil(i, visited, stack)
print(stack)
g= Graph(6)
g.addEdge(5, 2)
g.addEdge(5, 0)
g.addEdge(4, 0)
g.addEdge(4, 1)
g.addEdge(2, 3)
g.addEdge(3, 1)
print("拓?fù)渑判蚪Y(jié)果:")
g.topologicalSort()運(yùn)行結(jié)果:
拓?fù)渑判蚪Y(jié)果:
[5, 4, 2, 3, 1, 0]
總結(jié)
到此這篇關(guān)于python查找與排序算法詳解(示圖+代碼)的文章就介紹到這了,更多相關(guān)python算法內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
Python關(guān)鍵字之global與nonlocal
這篇文章主要為大家詳細(xì)介紹了Python關(guān)鍵字之global與nonlocal,文中示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下,希望能夠給你帶來(lái)幫助2022-03-03
Python輕松更換國(guó)內(nèi)鏡像源的三種方法推薦
在使用Python進(jìn)行開(kāi)發(fā)的時(shí)候,很多人都知道,國(guó)內(nèi)的網(wǎng)絡(luò)環(huán)境有時(shí)候會(huì)讓我們?cè)诎惭b包時(shí)遇到一些麻煩,下面小編就來(lái)和大家分享三種實(shí)用的方法輕松解決這一問(wèn)題吧2025-03-03
Django-simple-captcha驗(yàn)證碼包使用方法詳解
這篇文章主要介紹了Django-simple-captcha驗(yàn)證碼包使用方法詳解,文中通過(guò)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2020-11-11
解決pyecharts在jupyter notebook中使用報(bào)錯(cuò)問(wèn)題
這篇文章主要介紹了解決pyecharts在jupyter notebook中使用報(bào)錯(cuò)問(wèn)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(guò)來(lái)看看吧2019-06-06
Anaconda安裝時(shí)默認(rèn)python版本改成其他版本的兩種方式
這篇文章主要給大家介紹了關(guān)于Anaconda安裝時(shí)默認(rèn)python版本改成其他版本的兩種方式,anaconda是一個(gè)非常好用的python發(fā)行版本,其中包含了大部分常用的庫(kù),需要的朋友可以參考下2023-10-10
Python應(yīng)用案例之利用opencv實(shí)現(xiàn)圖像匹配
OpenCV 是一個(gè)的跨平臺(tái)計(jì)算機(jī)視覺(jué)庫(kù),可以運(yùn)行在 Linux、Windows 和 Mac OS 操作系統(tǒng)上,這篇文章主要給大家介紹了關(guān)于Python應(yīng)用案例之利用opencv實(shí)現(xiàn)圖像匹配的相關(guān)資料,需要的朋友可以參考下2024-08-08
記錄一下scrapy中settings的一些配置小結(jié)
這篇文章主要介紹了記錄一下scrapy中settings的一些配置小結(jié),文中通過(guò)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(lái)一起學(xué)習(xí)學(xué)習(xí)吧2020-09-09

