轉載:記錄python幾個演算法:

yarking207發表於2017-09-28
轉載自:http://blog.csdn.net/laodengbaiwe0838/article/details/52373891
(一)插入排序

插入排序原址排序輸入的數,演算法在陣列A中重排這些數,

在任何時候,最多隻有常數個數字儲存在陣列外部。

插入排序是原地排序,基本無需外部空間。

從第二個元素開始,依次遍歷全部陣列。

其中,前半截為已排好的有序陣列而後半截為待排序的無序陣列。

每個元素從後向前依次對比,直到找到自己的位置。

插入排序是穩定排序。

def insert_sort(list1):
    for j in range(1,len(list1)): # 從第二個元素開始遍歷,依次將元素放在指定位置
        key = list1[j] #記錄當前值
        i = j -1 #將當前值從當前位置之前逆序依次比較
        while i>=0 and list1[i] >key:#如果當前值小於之前值,則說明當前值位於之前值的前面
            list1[i+1] = list1[i] #將大於當前值的元素依次後移一位,給當前值留位置
            i -=1
        list1[i+1] = key # 將當前值插入第一個小於它的值的後面
    return list1

if __name__ == "__main__":
    list1 = [380,22,64,75,327,98]
    list2 = ["wang","zhe","tian","jin","da","xue"]
    ordered_list1 = insert_sort(list1)
    ordered_list2 = insert_sort(list2)
    print(ordered_list1) #[2,3,4,5,6,7]
    print(ordered_list2) #['da']

(2)氣泡排序

氣泡排序原址排序輸入的數,演算法在陣列A中重排這些數,

在任何時候,最多隻有常數個數字儲存在陣列外部。

氣泡排序是原地排序,基本無需外部空間。

氣泡排序依次迴圈陣列,每輪迴圈從前向後依次比較兩個元素,排列使得後一個元素總是大於前一個元素。

因此,每輪迴圈可以保證當前未排序的列表中最大的元素放置在列表末尾。

即每輪迴圈後,可以使得未排序的列表長度減1。

重複直到列表僅剩唯一一個元素。

氣泡排序是穩定排序。

Python實現程式碼如下:

  1. # -*- coding: utf-8 -*-  
    def bubbleSort(bubbleList):  
        listLength = len(bubbleList)   #計算排序列表的長度  
        while listLength > 0:  
            for i in range(listLength - 1):  
                if bubbleList[i] > bubbleList[i+1]:  
                   temp = bubbleList[i+1]  
                   bubbleList[i+1] = bubbleList[i]  
                   bubbleList[i] = temp   #交換bubbleList[i]與bubbleList[i+1]的值  
            listLength -= 1   #每輪排序結束後,最後一個元素已經是最大的。因此只需要排前N-1個元素即可。  
        return bubbleList  
          
    if __name__ == '__main__':  
        list1 = [3,2,4,6,7,5]  
        list2 = ["wang", "zhe", "tian", "jin", "da", "xue"]  
        ordered_list1 = bubbleSort(list1)  
        ordered_list2 = bubbleSort(list2)  
        print(ordered_list1) #[2, 3, 4, 5, 6, 7]  
        print(ordered_list2) #['da', 'jin', 'tian', 'wang', 'xue', 'zhe'] 


(3)

歸併排序(MERGE-SORT)是建立在歸併操作上的一種有效的排序演算法,該演算法是採用分治法(Divide and Conquer)的一個非常典型的應用。

將已有序的子序列合併,得到完全有序的序列;即先使每個子序列有序,再使子序列段間有序。

歸併排序是透過遞迴和合並來實現的。

即首先將一個列表分為兩個字列表,字列表長度為1。然後在依次合併,使得合成的列表有序。

歸併排序的時間複雜度是nlogn。空間複雜度是n。

歸併排序是穩定排序。

Python的實現程式碼如下:


# -*- coding: utf-8 -*-  
def mergeSort(lists):  
    if len(lists) <= 1:  #當陣列長度為1時,則無需排序。  
        return lists  
    num = int(len(lists) / 2)  #將一個陣列分為兩個部分  
    left = mergeSort(lists[:num])  #分別對左右兩個部分進行排序  
    right = mergeSort(lists[num:])  
    return merge(left, right)   #將左右兩個有序陣列合併為一個有序陣列  
      
def merge(left, right):  
    r, l = 0, 0  #初始化左右索引為0  
    result = []   #初始化結果列表  
    while l < len(left) and r < len(right): #當左右索引都尚未達到列表長度時。  
        if left[l] < right[r]:               #如果左列表的值小於右列表的值  
            result.append(left[l])           #將左列表當前值存入結果列表中  
            l += 1                           #左列表索引加1  
        else:  
            result.append(right[r])          #否則將右列表當前值存入結果列表中  
            r += 1                          #右列表索引加1  
    result += right[r:]                     #將剩餘元素存入結果列表中  
    result += left[l:]  
    return result  
      
if __name__ == '__main__':  
    list1 = [3,2,4,6,7,5]  
    list2 = ["wang", "zhe", "tian", "jin", "da", "xue"]  
    ordered_list1 = mergeSort(list1)  
    ordered_list2 = mergeSort(list2)  
    print (ordered_list1) #[2, 3, 4, 5, 6, 7]  
    print (ordered_list2) #['da', 'jin', 'tian', 'wang', 'xue', 'zhe']

(4)

快速排序是指:

透過一趟排序將要排序的資料分割成獨立的兩部分,其中一部分的所有資料都比另外一部分的所有資料都要小,然後再按此方法對這兩部分資料分別進行快速排序,整個排序過程可以遞迴進行,以此達到整個資料變成有序序列。

快速排序在平均情況下時間複雜度為nlogn。

但是在最壞情況(本身為正序或者逆序時),時間複雜度為n*n。

快速排序是不穩定排序。即對於本身值相同的元素,在經過快速排序後,元素的先後位置可能會發生變化。

一趟快速排序的演算法是:

1)設定兩個變數i、j,排序開始的時候:i=0,j=N-1;

2)以第一個陣列元素作為關鍵資料,賦值給key,即key=A[0];

3)從j開始向前搜尋,即由後開始向前搜尋(j--),找到第一個小於key的值A[j],將A[j]和A[i]互換;

4)從i開始向後搜尋,即由前開始向後搜尋(i++),找到第一個大於key的A[i],將A[i]和A[j]互換;

5)重複第3、4步,直到i=j; (3,4步中,沒找到符合條件的值,即3中A[j]不小於key,4中A[i]不大於key的時候改變j、i的值,使得j=j-1,i=i+1,直至找到為止。找到符合條件的值,進行交換的時候i, j指標位置不變。另外,i==j這一過程一定正好是i+或j-完成的時候,此時令迴圈結束)。

Python的實現方式如下:


# -*- coding: utf-8 -*-  
def quickSortFunction(L, low, high):  
    i = low     #i表示被排序列表的起點  
    j = high    #j表示被排序列表的終點  
    if i >= j: #若當起點和終點重合或起點在終點後時,則無需進一步排序  
        return L  
    key = L[i]       #將起點元素選為被對比元素  
    while i < j:                            #當起點與終點尚未重合時  
        while i < j and L[j] >= key:       #找到第一個小於key的元素的位置  
            j -= 1  
        L[i] = L[j]              #將第一個小於key元素的值放入key元素的位置  
        while i < j and L[i] <= key:   #找到第一個大於key元素值,放入剛才小於key元素的位置  
            i += 1  
        L[j] = L[i]  
    L[i] = key    #當i和j重合時,將key元素放置在重合位置。表示該位置前的元素都小於該元素,而該位置後的元素都大於該元素。  
    quickSortFunction(L, low, i-1)   #利用歸併的方法繼續對low到i-1和j+1到high的部分進行排序  
    quickSortFunction(L, j+1, high)  
    return L  
      
def quickSort(list1):              #呼叫quickSortFunction進行快速排序  
    return quickSortFunction(list1, 0, len(list1)-1)  #low和high分別為0和len-1,表示對列表整體進行快速排序  
      
if __name__ == '__main__':  
    list1 = [3,2,4,6,7,5,1,8,10,9]  
    list2 = ["wang", "zhe", "tian", "jin", "da", "xue"]  
    ordered_list1 = quickSort(list1)  
    ordered_list2 = quickSort(list2)  
    print (ordered_list1)             #[2, 3, 4, 5, 6, 7]  
    print (ordered_list2)             #['da', 'jin', 'tian', 'wang', 'xue', 'zhe']  


(5)堆排序(Heapsort)是指利用堆積樹(堆)這種資料結構所設計的一種排序演算法,它是選擇排序的一種。

可以利用陣列的特點快速定位指定索引的元素。堆分為大根堆和小根堆,是完全二叉樹。大根堆的要求是每個節點的值都不大於其父節點的值,即A[PARENT[i]] >= A[i]。

在陣列的非降序排序中,需要使用的就是大根堆,因為根據大根堆的要求可知,最大的值一定在堆頂。

堆排序首先將待排序的陣列存入堆中,並將堆構造為最大/最小堆。再依次從堆中取出堆頂元素,從而得到有序陣列。

構造堆時,所用的方法為從最底層有子節點的節點開始依次向上處理。

取出頂元素恢復堆時則是先將末尾元素與頂元素交換位置,在對頂元素進行下沉處理即可。

堆排序是不穩定排序。即相同的元素再經過堆排序後,其先後位置可能發生變化。

堆排序的時間複雜度為N*logN。

Python的程式碼實現如下:

[python] view plain copy
  1. # -*- coding: utf-8 -*-  
  2. #用列表表示一個堆,其中列表中索引為0的位置為空。從索引1開始存放元素。  
  3. def parent(i):    #在堆中,某個節點的父節點為其索引值整除2。例如索引為4的父節點的索引為2。索引為9的父節點的索引為4。  
  4.     return i/2  
  5.   
  6. def left(i):     #某個節點的左子節點的索引為i*2  
  7.     return i*2  
  8.   
  9. def right(i):    #某個節點的右子節點的索引為i*2+1  
  10.     return i*2+1  
  11.   
  12. class Heap:     #堆的資料結構類  
  13.     def __init__(self, heapList=[None]):   #對堆進行初始化。沒有給堆初始列表時,初始化為僅包含一個None元素的列表。  
  14.         self.heapList = [None] + heapList    #有初始化列表時,堆列表為初始化列表前插入None元素  
  15.   
  16.     def max_heapfy(self, i):   #表明對i節點進行最大堆恢復  
  17.         if (i*2) > self.length-1:   #該元素沒有子節點時  
  18.             maxIndex = i  
  19.         elif (i*2+1) > self.length-1:   #該元素只有左節點時  
  20.             maxIndex = left(i)  
  21.         elif self.heapList[left(i)] > self.heapList[right(i)]:   #該元素同時有左右節點,且左節點的值大於右節點時  
  22.             maxIndex = left(i)  
  23.         else:    #該元素同時有左右節點,且左節點的值小於右節點時  
  24.             maxIndex = right(i)  
  25.         if self.heapList[i] < self.heapList[maxIndex]:   #當其子節點值大於其節點值時:  
  26.             self.heapList[i], self.heapList[maxIndex] = self.heapList[maxIndex], self.heapList[i]  
  27.             #交換其子節點的值和其值  
  28.             self.max_heapfy(maxIndex)  #並對其子節點進行最大堆化  
  29.   
  30.     def build_max_heap(self):      #構建最大堆  
  31.         self.length = len(self.heapList)    #計算堆的大小(包含第一個空元素)  
  32.         for i in range(self.length/20, -1):  #從包含子節點的節點開始依次向上遍歷  
  33.             self.max_heapfy(i)  
  34.   
  35.     def insert(self, k):   #向堆內插入元素  
  36.         self.length += 1    #堆的規模加1  
  37.         self.heapList.append(float("-inf"))   #向堆內插入一個負無窮的數  
  38.         self.increase_key(self.length, k)   #增加元素  
  39.   
  40.     def maxinum(self):    #查詢堆內最大元素,即為索引為1的元素值。  
  41.         return self.heapList[1]  
  42.   
  43.     def extract_max(self):    #彈出堆內最大元素。  
  44.         maxValue = self.heapList[1]    #取得最大元素值  
  45.         self.heapList[1] = self.heapList[self.length]   #將末尾元素移至堆頭  
  46.         del self.heapList[self.length]  #刪除末尾元素  
  47.         self.length -= 1  #將堆的規模減1  
  48.         self.max_heapfy(1)   #對堆頂元素最大堆化  
  49.         return maxValue  
  50.   
  51.     def increase_key(self, x, k):   #增加元素  
  52.         self.heapList[x] = k   #將新增的負無窮位置賦予插入值  
  53.         while x > 1 and self.heapList[parent(x)] < self.heapList[x]: #當元素索引大於1且其值大於其父節點值  
  54.             self.heapList[parent(x)], self.heapList[x] = self.heapList[x], self.heapList[parent(x)]  
  55.             #交換其值和其父節點的值  
  56.             x = parent(x)  #繼續對其父節點進行判斷  
  57.   
  58.     def show(self):  #展示堆  
  59.         print "the length of queue is"self.length - 1  
  60.         print "the heapList is"self.heapList[1:]  
  61.   
  62. def heapSort(unsortedList):  
  63.     heap = Heap(unsortedList)   #將亂序列表轉換為堆  
  64.     heap.build_max_heap()       #將堆構建為最大堆  
  65.     print heap.heapList  
  66.     print "*************heap has been build up*********"  
  67.     for i in range(len(unsortedList), 1, -1):  
  68.         heap.heapList[i], heap.heapList[1] = heap.heapList[1], heap.heapList[i]  #將末尾節點與根節點進行交換,  
  69.         #交換完成後,i位置的節點為當前堆中最大的元素。即每次迴圈中得到的i索引的元素為已有序的列表。  
  70.         heap.length -= 1   #未排序的堆的規模減小1  
  71.         heap.max_heapfy(1)    #此時,根節點不滿足最大堆的要求,需要對堆進行最大堆恢復  
  72.     return heap.heapList[1:]  
  73.   
  74. if __name__ == '__main__':  
  75.     list1 = [3,2,4,6,7,5,1,8,10,9]  
  76.     list2 = ["wang""zhe""tian""jin""da""xue"]  
  77.     ordered_list1 = heapSort(list1)  
  78.     ordered_list2 = heapSort(list2)  
  79.     print ordered_list1             #[2, 3, 4, 5, 6, 7]  
  80.     print ordered_list2             #['da', 'jin', 'tian', 'wang', 'xue', 'zhe'] 


來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/220205/viewspace-2145573/,如需轉載,請註明出處,否則將追究法律責任。

相關文章