排序分为两类,比较类排序和非比较类排序,比较类排序通过比较来决定元素间的相对次序,其时间复杂度不能突破O(nlogn);非比较类排序可以突破基于比较排序的时间下界,缺点就是一般只能用于整型相关的数据类型,需要辅助的额外空间。
要求能够手写时间复杂度位O(nlogn)的排序算法:快速排序、归并排序、堆排序
1.冒泡排序
思想:相邻的两个数字进行比较,大的向下沉,最后一个元素是最大的。列表右边先有序。
时间复杂度$O(n^2)$,原地排序,稳定的
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.选择排序
思想:首先找到最小元素,放到排序序列的起始位置,然后再从剩余元素中继续寻找最小元素,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。列表左边先有序。
时间复杂度$O(n^2)$,原地排序,不稳定
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: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。列表左边先有序。
时间复杂度$O(n^2)$,原地排序,稳定
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.希尔排序
思想:插入排序的改进版,又称缩小增量排序,将待排序的列表按下标的一定增量分组,每组分别进行直接插入排序,增量逐渐减小,直到为1,排序完成
时间复杂度$O(n^{1.5})$,原地排序,不稳定
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:递归,列表中取出第一个元素,作为标准,把比第一个元素小的都放在左侧,把比第一个元素大的都放在右侧,递归完成时就是排序结束的时候
时间复杂度$O(nlogn)$,空间复杂度$O(logn)$,不稳定
def quick_sort(li:list): if li == []: return [] first = li[0] # 推导式实现 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.归并排序
思想:分治算法,拆分成子序列,使用归并排序,将排序好的子序列合并成一个最终的排序序列。关键在于怎么合并:设定两个指针,最初位置分别为两个已经排序序列的起始位置,比较两个指针所指向的元素,选择相对小的元素放到合并空间,并将该指针移到下一位置,直到某一指针超出序列尾,将另一序列所剩下的所有元素直接复制到合并序列尾。
时间复杂度$O(nlogn)$,空间复杂度O(n),不稳定
二路归并
def merge_sort(nums: list): if len(nums) <= 1: return nums mid = len(nums) 1 left = merge_sort(nums[:mid]) # 拆分子问题 right = merge_sort(nums[mid:]) def merge(left, right): # 如何归并 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:根节点最大,大顶堆,对应升序,根节点最小,小顶堆。
- 构建大根堆,完全二叉树结构,初始无序
- 最大堆调整,进行堆排序。将堆顶元素与最后一个元素交换,此时后面有序
时间复杂度$O(nlogn)$,原地排序,稳定
def heap_sort(nums: list): def heapify(parent_index, length, nums): temp = nums[parent_index] # 根节点的值 chile_index = 2 * parent_index + 1 # 左节点,再加一为右节点 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] # 使得根节点最大 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,为升序 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 常见的排序算法实现汇总的详细内容,更多关于python 排序算法的资料请关注其它相关文章!
免责声明:本站文章均来自网站采集或用户投稿,网站不提供任何软件下载或自行开发的软件! 如有用户或公司发现本站内容信息存在侵权行为,请邮件告知! 858582#qq.com
RTX 5090要首发 性能要翻倍!三星展示GDDR7显存
三星在GTC上展示了专为下一代游戏GPU设计的GDDR7内存。
首次推出的GDDR7内存模块密度为16GB,每个模块容量为2GB。其速度预设为32 Gbps(PAM3),但也可以降至28 Gbps,以提高产量和初始阶段的整体性能和成本效益。
据三星表示,GDDR7内存的能效将提高20%,同时工作电压仅为1.1V,低于标准的1.2V。通过采用更新的封装材料和优化的电路设计,使得在高速运行时的发热量降低,GDDR7的热阻比GDDR6降低了70%。
更新日志
- 《暗喻幻想》顺风耳作用介绍
- 崔健1985-梦中的倾诉[再版][WAV+CUE]
- 黄子馨《追星Xin的恋人们2》HQ头版限量编号[WAV+CUE]
- 孟庭苇《情人的眼泪》开盘母带[低速原抓WAV+CUE]
- 孙露《谁为我停留HQCD》[低速原抓WAV+CUE][1.1G]
- 孙悦《时光音乐会》纯银CD[低速原抓WAV+CUE][1.1G]
- 任然《渐晚》[FLAC/分轨][72.32MB]
- 英雄联盟新英雄安蓓萨上线了吗 新英雄安蓓萨技能介绍
- 魔兽世界奥杜尔竞速赛什么时候开启 奥杜尔竞速赛开启时间介绍
- 无畏契约CGRS准星代码多少 CGRS准星代码分享一览
- 张靓颖.2012-倾听【少城时代】【WAV+CUE】
- 游鸿明.1999-五月的雪【大宇国际】【WAV+CUE】
- 曹方.2005-遇见我【钛友文化】【WAV+CUE】
- Unity6引擎上线:稳定性提升、CPU性能最高提升4倍
- 人皇Sky今日举行婚礼!电竞传奇步入新篇章