python3實(shí)現(xiàn)常見的排序算法(示例代碼)
冒泡排序
冒泡排序是一種簡單的排序算法。它重復(fù)地走訪過要排序的數(shù)列,一次比較兩個(gè)元素,如果它們的順序錯(cuò)誤就把它們交換過來。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,也就是說該數(shù)列已經(jīng)排序完成。這個(gè)算法的名字由來是因?yàn)樵叫〉脑貢?jīng)由交換慢慢“浮”到數(shù)列的頂端。
def mao(lst): for i in range(len(lst)): # 由于每一輪結(jié)束后,總一定有一個(gè)大的數(shù)排在后面 # 而且后面的數(shù)已經(jīng)排好了 # 即i輪之后,就有i個(gè)數(shù)字被排好 # 所以其 len-1 -i到 len-1的位置是已經(jīng)排好的了 # 只需要比較0到len -1 -i的位置即可 # flag 用于標(biāo)記是否剛開始就是排好的數(shù)據(jù) # 只有當(dāng)flag狀態(tài)發(fā)生改變時(shí)(第一次循環(huán)就可以確定),繼續(xù)排序,否則返回 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 # 非排好的數(shù)據(jù),改變flag if not flag: return lst return lst print(mao([1, 5, 55, 4, 5, 1, 3, 4, 5, 8, 62, 7]))
選擇排序
選擇排序是一種簡單直觀的排序算法。它的工作原理:首先在未排序序列中找到最?。ù螅┰?,存放到排序序列的起始位置,然后,再從剩余未排序元素中繼續(xù)尋找最小(大)元素,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。
# 選擇排序是從前開始排的 # 選擇排序是從一個(gè)列表中找出一個(gè)最小的元素,然后放在第一位上。 # 冒泡排序類似 # 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 # 用于記錄最小的元素的索引 for j in range(i + 1, len(lst)): if lst[j] < lst[min_index]: min_index = j # 此時(shí),已經(jīng)確定,min_index為 i+1 到len(lst) - 1 這個(gè)區(qū)間最小值的索引 lst[i], lst[min_index] = lst[min_index], lst[i] return lst def select_sort2(lst): # 第二種選擇排序的方法 # 原理與第一種一樣 # 不過不需要引用中間變量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]是一個(gè)i到len(lst)-1的一個(gè)數(shù) # 因?yàn)閖 <= len(lst) -i 即 j + i <= len(lst) if lst[i] > lst[i + j]: # 說明后面的數(shù)更小,更換位置 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
快速排序是通過一趟排序?qū)⒋庞涗浄指舫瑟?dú)立的兩部分,其中一部分記錄的關(guān)鍵字均比另一部分的關(guān)鍵字小,則可分別對這兩部分記錄繼續(xù)進(jìn)行排序,以達(dá)到整個(gè)序列有序。
# 原理 # 1. 任取列表中的一個(gè)元素i # 2. 把列表中大于i的元素放于其右邊,小于則放于其左邊 # 3. 如此重復(fù) # 4. 直到不能在分,即只剩1個(gè)元素了 # 5. 然后將這些結(jié)果組合起來 def quicksort(lst): if len(lst) < 2: # lst有可能為空 return lst # ['pɪvət] 中心點(diǎn) 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] # 最后的結(jié)果就是 # 左邊的結(jié)果 + 中間值 + 右邊的結(jié)果 # 然后細(xì)分 左+中+右 + 中間值 + 左 + 中+ 右 # ........... + 中間值 + ............ 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種簡單直觀的排序算法。它的工作原理是通過構(gòu)建有序序列,對于未排序數(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。
# lst的[0, i) 項(xiàng)是有序的,因?yàn)橐呀?jīng)排過了 # 那么只需要比對第i項(xiàng)的lst[i]和lst[0 : i]的元素大小即可 # 假如,lst[i]大,則不用改變位置 # 否則,lst[i]改變位置,插到j(luò)的位置,而lst[j]自然往后挪一位 # 然后再刪除lst[i+1]即可(lst[i+1]是原來的lst[i]) # # 重復(fù)上面步驟即可,排序完成 def insert_sort(lst: list): # 外層開始的位置從1開始,因?yàn)閺?開始都沒得排 # 只有兩個(gè)元素以上才能排序 for i in range(1, len(lst)): # 內(nèi)層需要從0開始,因?yàn)閘st[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]已經(jīng)插入到j(luò)的位置了,j之后的元素都往后+1位,所以刪除lst[i+1] del lst[i + 1] return lst print(insert_sort([1, 5, 55, 4, 5, 1, 3, 4, 5, 8, 62, 7]))
希爾排序
希爾排序是1959年Shell發(fā)明的,第一個(gè)突破O(n2)的排序算法,是簡單插入排序的改進(jìn)版。它與插入排序的不同之處在于,它會優(yōu)先比較距離較遠(yuǎn)的元素。希爾排序又叫縮小增量排序。
希爾排序
# 希爾排序是對直接插入排序的優(yōu)化版本 # 1. 分組: # 每間隔一段距離取一個(gè)元素為一組 # 間隔自己確定,一般為lst的一半 # 2. 根據(jù)插入排序,把每一組排序好 # 3. 繼續(xù)分組: # 同樣沒間隔一段距離取一個(gè)元素為一組 # 間隔要求比 之前的間隔少一半 # 4. 再每組插入排序 # 5. 直到間隔為1,則排序完成 # def shell_sort(lst): lst_len = len(lst) gap = lst_len // 2 # 整除2,取間隔 while gap >= 1: # 間隔為0時(shí)結(jié)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])) # 奇數(shù) # gap = 2 # [5, 2, 4, 3, 1] # [5, 4, 1] [2, 3] # [1, 4, 5, 2, 3] # gap = 1 # [1, 2, 3, 4, 5] # 偶數(shù) # 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]
并歸排序
歸并排序是建立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。將已有序的子序列合并,得到完全有序的序列;即先使每個(gè)子序列有序,再使子序列段間有序。若將兩個(gè)有序表合并成一個(gè)有序表,稱為2-路歸并。
并歸排序
# 利用分治法 # 不斷將lst分為左右兩個(gè)分 # 直到不能再分 # 然后返回 # 將兩邊的列表的元素進(jìn)行比對,排序然后返回 # 不斷重復(fù)上面這一步驟 # 直到排序完成,即兩個(gè)大的列表比對完成 def merge(left, right): # left 可能為只有一個(gè)元素的列表,或已經(jīng)排好序的多個(gè)元素列表(之前調(diào)用過merge) # right 也一樣 res = [] while left and right: item = left.pop(0) if left[0] < right[0] else right.pop(0) res.append(item) # 此時(shí),left或right已經(jīng)有一個(gè)為空,直接extend插入 # 而且,left和right是之前已經(jīng)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)]) # 返回的時(shí)lst_len <= 1時(shí)的 lst 或 merge中進(jìn)行排序后的列表 lst_left = merge_sort(lst[:mid]) # 返回的是lst_len <= 1時(shí)的 lst 或 merge中進(jìn)行排序后的列表 return merge(lst_left, lst_right) # 進(jìn)行排序,lst_left lst_right 的元素會不斷增加 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)。然后進(jìn)行排序。
堆排序
# 把列表創(chuàng)成一個(gè)大根堆或小根堆 # 然后根據(jù)大(?。└训奶攸c(diǎn):根節(jié)點(diǎn)最大(小),逐一取值 # # 升序----使用大頂堆 # # 降序----使用小頂堆 # 本例以小根堆為例 # 列表lst = [1, 22 ,11, 8, 12, 4, 9] # 1. 建成一個(gè)普通的堆: # 1 # / \ # 22 11 # / \ / \ # 8 12 4 9 # # 2. 進(jìn)行調(diào)整,從子開始調(diào)整位置,要求: 父節(jié)點(diǎn)<= 字節(jié)點(diǎn) # # 1 1 1 # / \ 13和22調(diào)換位置 / \ 4和11調(diào)換位置 / \ # 22 11 ==============> 13 11 ==============> 13 4 # / \ / \ / \ / \ / \ / \ # 13 14 4 9 22 14 4 9 22 14 11 9 # # 3. 取出樹上根節(jié)點(diǎn),即最小值,把換上葉子節(jié)點(diǎn)的最大值 # # 1 # / # ~~~~/ # 22 # / \ # 8 4 # \ / \ # 12 11 9 # # 4. 按照同樣的道理,繼續(xù)形成小根堆,然后取出根節(jié)點(diǎn),。。。。重復(fù)這個(gè)過程 # # 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 # # 續(xù)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 # # 代碼實(shí)現(xiàn) def heapify(lst, lst_len, i): """創(chuàng)建一個(gè)堆""" less = i # largest為最大元素的索引 left_node_index = 2 * i + 1 # 左子節(jié)點(diǎn)索引 right_node_index = 2 * i + 2 # 右子節(jié)點(diǎn)索引 # lst[i] 就是父節(jié)點(diǎn)(假如有子節(jié)點(diǎn)的話): # # lst[i] # / \ # lst[2*i + 1] lst[ 2*i + 2] # # 想要大根堆,即升序, 將判斷左右子節(jié)點(diǎn)大小的 ‘>' 改為 ‘<' 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]: # 右邊節(jié)點(diǎn)最小的時(shí)候 less = right_node_index if less != i: # 此時(shí),是字節(jié)點(diǎn)大于父節(jié)點(diǎn),所以相互交換位置 lst[i], lst[less] = lst[less], lst[i] # 交換 heapify(lst, lst_len, less) # 節(jié)點(diǎn)變動了,需要再檢查一下 def heap_sort(lst): res = [] i = len(lst) lst_len = len(lst) for i in range(lst_len, -1, -1): # 要從葉節(jié)點(diǎn)開始比較,所以倒著來 heapify(lst, lst_len, i) # 此時(shí),已經(jīng)建好了一個(gè)小根樹 # 所以,交換元素,將根節(jié)點(diǎn)(最小值)放在后面,重復(fù)這個(gè)過程 for j in range(lst_len - 1, 0, -1): lst[0], lst[j] = lst[j], lst[0] # 交換,最小的放在j的位置 heapify(lst, j, 0) # 再次構(gòu)建一個(gè)[0: j)小根堆 [j: lst_len-1]已經(jīng)倒序排好了 return lst arr = [1, 5, 55, 4, 5, 1, 3, 4, 5, 8, 62, 7] print(heap_sort(arr))
參考:
十大經(jīng)典排序算法(動圖演示)
數(shù)據(jù)結(jié)構(gòu)與算法-排序篇-Python描述
到此這篇關(guān)于python3實(shí)現(xiàn)常見的排序算法(示例代碼)的文章就介紹到這了,更多相關(guān)python排序算法內(nèi)容請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
基于Python實(shí)現(xiàn)牛牛套圈小游戲的示例代碼
“幸運(yùn)牛牛套圈圈”套住歡樂,圈住幸福,等你來挑戰(zhàn)!這篇文章小編主要為大家介紹一款基于Python實(shí)現(xiàn)牛牛套圈小游戲,感興趣的小伙伴可以了解一下2023-02-02python作圖基礎(chǔ)之plt.contour實(shí)例詳解
contour和contourf都是畫三維等高線圖的,下面這篇文章主要給大家介紹了關(guān)于python作圖基礎(chǔ)操作之plt.contour的相關(guān)資料,文中通過實(shí)例代碼介紹的非常詳細(xì),需要的朋友可以參考下2022-06-06在Python中利用Into包整潔地進(jìn)行數(shù)據(jù)遷移的教程
這篇文章主要介紹了在Python中如何利用Into包整潔地進(jìn)行數(shù)據(jù)遷移,在數(shù)據(jù)格式的任意兩個(gè)格式之間高效地遷移數(shù)據(jù),需要的朋友可以參考下2015-03-03深入理解Python中range和xrange的區(qū)別
這篇文章主要介紹了深入理解Python中range和xrange的區(qū)別,從用法和輸出等方便詳細(xì)介紹了之間的差別。2017-11-11python實(shí)現(xiàn)進(jìn)制轉(zhuǎn)化的示例代碼
本文主要介紹了python實(shí)現(xiàn)進(jìn)制轉(zhuǎn)化的示例代碼,文中通過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2021-10-10python獲取指定時(shí)間差的時(shí)間實(shí)例詳解
這篇文章主要介紹了python獲取指定時(shí)間差的時(shí)間實(shí)例詳解的相關(guān)資料,需要的朋友可以參考下2017-04-04PyTorch中torch.tensor與torch.Tensor的區(qū)別詳解
這篇文章主要介紹了PyTorch中torch.tensor與torch.Tensor的區(qū)別詳解,文中通過示例代碼介紹的非常詳細(xì),對大家的學(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2020-05-05python中3種等待元素出現(xiàn)的方法總結(jié)
發(fā)現(xiàn)太多人不會用等待了,小編今天實(shí)在是忍不住要給大家講講等待的必要性,下面這篇文章主要給大家介紹了關(guān)于python中3種等待元素出現(xiàn)的方法,需要的朋友可以參考下2022-03-03