码迷,mamicode.com
首页 > 编程语言 > 详细

算法排序

时间:2020-04-14 12:45:57      阅读:93      评论:0      收藏:0      [点我收藏+]

标签:目录   归并   选择排序   简单   random   heap   动作   shuffle   usr   

目录

1. 冒泡排序

2. 选择排序

3. 插入排序

4. 快排

5. 堆排

6. 归排

1. 冒泡排序(最好是O(n), 最坏O(n2))

原理:拿自己与上面一个比较,如果上面一个比自己小就将自己和上面一个调换位置,依次再与上面一个比较,第一轮结束后最上面那个一定是最大的数

技术图片
1 def bubble_sort(li):
2     for i in range(len(li)-1):
3         for j in range(len(li)-i-1):
4             if li[j] > li[j+1]:
5                 li[j],li[j+1]=li[j+1],li[j]
6 
7 li = [1,5,2,6,3,7,4,8,9,0]
8 bubble_sort(li)
9 print(li)               # [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
View Code

2. 选择排序

原理:
1、先假定第一个是最小的,依次与其他数比,如果其他数中有比第一个数小就假定这个更小的最小
2、再比,第一轮就可以找到最小的那个放到0号位置,然后在假定1号位置数最小与剩下比较,再找到第二小的数放到第1号位置

技术图片
import random
def select_sort(li):
   for i in range(len(li) - 1):
      min_loc = i                        #开始先假设0号位置的值最小
      for j in range(i+1, len(li)):      #循环无序区,依次比较,小于min_loc就暂定他的下标最小
         if li[j] < li[min_loc]:         #所以内层for循环每执行一次就选出一个小值
            min_loc = j
      li[i], li[min_loc] = li[min_loc],li[i]
       
li = [1,5,2,6,3,7,4,8,9,0]
select_sort(li)
print(li)               # [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
View Code

3. 插入排序

原理:
1、列表被分为有序区和无序区两个部分,最初有序区只有一个元素
2、每次从无序区选择一个元素,插入到有序区的位置,直到无序区变空

技术图片
import random

def insert_sort(li):
   for i in range(1, len(li)):
      tmp = li[i]     #tmp是无序区取出的一个数
      j = i - 1       #li[j]是有序区最大的那个数
      while j >= 0 and li[j] > tmp:
         # li[j]是有序区最大的数,tmp是无序区取出的一个数,tmp从有序区最大的那个数开始比
         # 小就调换位置,直到找到有序区中值不大于tmp的结束
         li[j+1]=li[j]    #将有序区最右边的数向右移一个位置
         j = j - 1
      li[j + 1] = tmp       #将tmp放到以前有序区最大数的位置,再依次与前一个数比较
data = list(range(100))
random.shuffle(data)        #将有序列表打乱
insert_sort(data)
print(data)
View Code

4. 快排 快速排序中最简单的(递归调用)

  注:倒序,和 列表中有大量重复元素时,时间复杂度很大,, 快排代码实现(类似于二叉树 递归调用)----右手左手一个慢动作,右手左手一个慢动作重播

技术图片
def quick(list):
    if len(list) < 2:
        return list

    tmp = list[0]  # 临时变量 可以取随机值
    left = [x for x in list[1:] if x <= tmp]  # 左列表
    right = [x for x in list[1:] if x > tmp]  # 右列表
    return quick(left) + [tmp] + quick(right)

li = [4,3,7,5,8,2]
print quick(li)  # [2, 3, 4, 5, 7, 8]

#### 对[4,3,7,5,8,2]排序
‘‘‘
[3, 2] + [4] + [7, 5, 8]                 # tmp = [4]
[2] + [3] + [4] + [7, 5, 8]              # tmp = [3] 此时对[3, 2]这个列表进行排序
[2] + [3] + [4] + [5] + [7] + [8]        # tmp = [7] 此时对[7, 5, 8]这个列表进行排序
‘‘‘
View Code

技术图片

思路原理:

  从排序前--------> 到P归位 经历过程(前面都比5小后面都比5大)
  1、 首先从右向左比较,取出列表第一个元素5(第一个位置就空出来)与列表最后一个元素8比较,8>5不换位置
  2、 用5与-2位置的9比,5<9不换位置
  3、 5与-3位置的2比较,2<5,将-3位置的5放到1号位置,那么-3号位置空出来了,然后从左往右比较
  4、 5与2号位置的7比,5<7,将7放到-3号位置,2号位置空出来了,在从右往左比
  5、 -4号位置的1小于5将1放到空出的2号位置,-4位置空出来了,再从右向左比
  6、 这样第一次循环就实现了5放到列表中间,前面的都比5大,后面的都比5小

快排与冒泡时间复杂度对比

 

最好情况

一般情况

最坏情况

快排

O(nlogn)

O(nlogn)

O(n^2)

冒泡

O(n)

O(n^2)

O(n^2)

 

快排最坏时间复杂度为何为O(n2)

  1. 每次划分只能将序列分为一个元素与其他元素两部分,这时的快速排序退化为冒泡排序

  2. 如果用数画出来,得到的将会是一棵单斜树,也就是说所有所有的节点只有左(右)节点的树;平均时间复杂度O(n*logn)

5. 堆排

技术图片
def sift(data, low, high):
   ‘‘‘  构造堆  堆定义:堆中某节点的值总是不大于或不小于父节点的值
   :param data: 传入的待排序的列表
   :param low:  需要进行排序的那个小堆的根对应的号
   :param high: 需要进行排序那个小堆最大的那个号
   :return:
   ‘‘‘
   i = low            #i最开始创建堆时是最后一个有孩子的父亲对应根的号
   j = 2 * i+ 1       #j子堆左孩子对应的号
   tmp = data[i]      #tmp是子堆中原本根的值(拿出最高领导)
   while j <= high:  #只要没到子堆的最后(每次向下找一层)  #孩子在堆里
      # if j < high and data[j] < data[j + 1]:
      if j + 1 <= high and data[j] < data[j + 1]: #如果有右孩纸,且比左孩子大
         j += 1
      if tmp < data[j]:        #如果孩子还比子堆原有根的值tmp大,就将孩子放到子堆的根
         data[i] = data[j]     #孩子成为子堆的根
         i = j                 #孩子成为新父亲(向下再找一层)
         j = 2 * i + 1         #新孩子  (此时如果j<=high证明还有孩,继续找)
      else:
         break                 #如果能干就跳出循环就会流出一个空位
   data[i] = tmp                #最高领导放到父亲位置

def heap_sort(data):
   ‘‘‘调整堆‘‘‘
   n = len(data)
   # n//2-1 就是最后一个有孩子的父亲那个子堆根的位置
   for i in range(n // 2 - 1, -1, -1):  #开始位置,结束位置, 步长       这个for循环构建堆
      # for循环输出的是: (n // 2 - 1 ) ~ 0 之间的数
      sift(data, i , n-1)     # i是子堆的根,n-1是堆中最后一个元素


data = [20,50,20,60,70,10,80,30,40]
heap_sort(data)
print data  # [80, 70, 20, 60, 50, 10, 20, 30, 40]
View Code

6. 归排(递归调用)

原理图:

技术图片

技术图片
#! /usr/bin/env python
# -*- coding: utf-8 -*-
def merge(li, low, mid, high):
   ‘‘‘
   :param li:      带排序列表
   :param low:     列表中第一个元素下标,一般是:0
   :param mid:     列表中间位置下标
   :param high:    列表最后位置下标
   :return:
   ‘‘‘
   i = low
   j = mid + 1
   ltmp = []
   while i <= mid and j <= high:
      if li[i] < li[j]:
         ltmp.append(li[i])
         i += 1
      else:
         ltmp.append(li[j])
         j += 1
   while i <= mid:
      ltmp.append(li[i])
      i += 1
   while j <= high:
      ltmp.append(li[j])
      j += 1
   li[low:high+1] = ltmp

def mergesort(li, low, high):
   if low < high:
      mid = (low + high) // 2          #获取列表中间的索引下标
      mergesort(li, low, mid)          #先分解
      mergesort(li, mid+1, high)
      merge(li, low, mid, high)        #然后合并

data = [10,4,6,3,8,2,5,7]
mergesort(data, 0 , len(data) -1)
print(data)                            # [2, 4, 6, 8, 10, 12, 14, 16, 18]

归并排序
View Code

快速排序,堆排序, 归并排序 比较

  1、三种排序算法时间复杂度都是( O(nlogn) )

  2、 一般情况下,就运行时间而言:

    快速排序 < 归并排序 < 堆排序

  3、三种排序算法的缺点

    1、快速排序: 极端情况下排序效率低( O(n2) )
    2、归并排序: 需要额外内存开销(需要新建一个列表放排序的元素)
    3、堆排序: 在快的排序算法中相对较慢,堆排序最稳定

算法排序

标签:目录   归并   选择排序   简单   random   heap   动作   shuffle   usr   

原文地址:https://www.cnblogs.com/xinzaiyuan/p/12696943.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!