Python 排序了解一下?

简介: 排序是每个开发人员都需要掌握的技能。排序是对程序本身有一个全面的理解。不同的排序算法很好地展示了算法设计上如何强烈的影响程序的复杂度、运行速度和效率。今天的文章和谈谈大家都熟悉的各种排序使用 Python 如何实现,废话就不多说啦,开干!

选择排序

选择排序一般是将初始值设为初始值,再循环后面每个元素与第一个元素比较,最终筛选出一个最小或最大值,最后将有序的数值排在前面,每次选择当前序列的最小值,将其与当前序列的第一个元素交换位置,每迭代一次,当前序列长度减一。迭代结束,即可得到有序序列。实现代码如下:

def select_s(data):
    # 第一层循环:取出数组中的每个元素
    for i in range(len(data)):
        temp = i   # 拿取一个元素用来比较
        # 第二层循环:从第i后面的一个值开始循环,与data[i]进行比较
        for j in range(i+1,len(data)):
            if data[j] < data[temp]:
                data[temp], data[j] = data[j], data[temp]
    print(data)

调用运行结果:

if __name__ == '__main__':
    data = [14, 31, 14, 6, 18, 24, 2, 40]
    select_s(data)

输出结果:

[2, 6, 14, 14, 18, 24, 31, 40]

插入排序

插入排序的基本操作就是将一个数据插入到已经排好序的有序数据中,从而得到一个新的、个数加一的有序数据,算法适用于少量数据的排序,时间复杂度为O(n^2)。是稳定的排序方法。

插入算法把要排序的数组分成两部分:第一部分包含了这个数组的所有元素,但将最后一个元素除外(让数组多一个空间才有插入的位置),而第二部分就只包含这一个元素(即待插入元素)。在第一部分排序完成后,再将这个最后元素插入到已排好序的第一部分中。

0.gif

插入排序思路

实现代码如下:

def insert_s(data):
    # 第一层循环: 从第二个元素开始循环取出元素,取出的元素再与有序区元素进行比较
    for i in range(1,len(data)):
        temp = data[i]
        j = i-1
        while j>=0 and temp < data[j]:
            data[j+1] = data[j]    
            j = j-1    # 在与前面一个元素进行比较,所以j 需要减1
        # 当j = -1 就跳出循环,将temp值赋给第一个值,即data[0]
        data[j+1] = temp
    print(data)

调用运行结果:

if __name__ == '__main__':
    data = [12, 3, 13, 56, 10, 22, 2, 40]
    insert_s(data)

输出结果:

[2, 3, 10, 12, 13, 22, 40, 56]

冒泡排序

冒泡排序(顺序形式),从左向右,两两比较,如果左边元素大于右边,就交换两个元素的位置。

其中,每一轮排序,序列中最大的元素浮动到最右面。也就是说,每一轮排序,至少确保有一个元素在正确的位置。

这样接下来的循环,就不需要考虑已经排好序的元素了,每次内层循环次数都会减一。

其中,如果有一轮循环之后,次序并没有交换,这时我们就可以停止循环,得到我们想要的有序序列了。

1.gif

冒泡排序思路

def insert_s(data):
    # 第一层循环: 从第二个元素开始循环取出元素,取出的元素再与有序区元素进行比较
    for i in range(1,len(data)):
        temp = data[i]
        j = i-1
        while j>=0 and temp < data[j]:
            data[j+1] = data[j]    
            j = j-1    # 在与前面一个元素进行比较,所以j 需要减1
        # 当j = -1 就跳出循环,将temp值赋给第一个值,即data[0]
        data[j+1] = temp
    print(data)

调用运行结果:

if __name__ == '__main__':
    data = [12, 3, 13, 56, 10, 22, 2, 40]
    insert_s(data)

输出结果:

[2, 3, 10, 12, 13, 22, 40, 56]

快速排序

首先要打乱序列顺序,以防算法陷入最坏时间复杂度。所以快速排序使用 “分而治之” 的方法。

对于一串序列,首先从中选取一个数,凡是小于这个数的值就被放在左边,凡是大于这个数的值就被放在右边。然后,继续对左右两摞进行快速排序。

直到进行快速排序的序列长度小于 2 (即序列中只有一个值或者空值)。

2.gif

快速排序思路

代码如下:

# 快速排序
def partition(data, left, right):
    temp = data[left]
    while left < right:
        # 如果最右边的值大于中间值,则最右边值往后退一个位置,反之,就将值赋值给最左边位置
        while left < right and data[right] >= temp:
            right = right - 1
        data[left] = data[right]
        # 如果最左边的值小于中间值,则最左边值往前进一个位置,反之,就将值赋值给最右边位置
        while left < right and data[left] <= temp:
            left = left + 1
        data[right] = data[left]
    # 循环结束,即可定位到中间位置,将初始值,赋值到这个位置
    data[left] = temp
    return left
def quick_sort(data, left, right):
    if left < right:
        mid = partition(data, left, right)
        quick_sort(data, left, mid)
        quick_sort(data, mid + 1, right)

总结

今天的文章主要是使用 Python 实现各大排序程序,以及排序算法实现思路的梳理,自己学习的同时给大家整理思路!



目录
相关文章
|
5月前
|
Python
在 Python 中,对列表进行排序有两种常用的方法
在 Python 中,对列表进行排序有两种常用的方法
|
7天前
|
搜索推荐 Python
快速排序的 Python 实践:从原理到优化,打造你的排序利器!
本文介绍了 Python 中的快速排序算法,从基本原理、实现代码到优化方法进行了详细探讨。快速排序采用分治策略,通过选择基准元素将数组分为两部分,递归排序。文章还对比了快速排序与冒泡排序的性能,展示了优化前后快速排序的差异。通过这些分析,帮助读者理解快速排序的优势及优化的重要性,从而在实际应用中选择合适的排序算法和优化策略,提升程序性能。
19 1
|
1月前
|
存储 算法 搜索推荐
算法进阶之路:Python 归并排序深度剖析,让数据排序变得艺术起来!
算法进阶之路:Python 归并排序深度剖析,让数据排序变得艺术起来!
68 0
|
2月前
|
Python
Python中几种lambda排序方法
【9月更文挑战第7天】在Python中,`lambda`表达式常用于配合排序函数,实现灵活的数据排序。对于基本列表,可以直接使用`sorted()`进行升序或降序排序;处理复杂对象如字典列表时,通过`lambda`指定键值进行排序;同样地,`lambda`也适用于根据元组的不同位置元素来进行排序。
|
2月前
|
数据处理 Python
python遍历文件夹所有文件按什么排序
python遍历文件夹所有文件按什么排序
|
2月前
|
数据处理 Python
Python遍历文件夹所有文件并按指定排序
Python遍历文件夹所有文件并按指定排序
|
3月前
|
Python
Python魔法:用一行代码实现数据排序
【8月更文挑战第31天】忘掉传统多行排序代码,本文揭秘如何使用一行Python代码快速对数据进行排序,同时深入探讨背后的原理和性能考量。
|
3月前
|
Python
【Python】对字典进行排序
该文档介绍了如何在Python中对字典进行排序的方法。
22 2
|
4月前
|
Python
Python小技巧:一种字符串的排序方式
Python小技巧:一种字符串的排序方式
31 0
|
4月前
|
分布式计算 并行计算 算法
探索排序的宇宙奥秘:Python中归并排序的并行处理与分布式应用!
【7月更文挑战第11天】归并排序是一种分治算法,适用于并行和分布式处理。在Python中,利用`concurrent.futures`可实现并行归并排序,但因GIL限制,可能需借助`multiprocessing`或GPU库。分布式归并排序则通过分布式框架如Apache Spark处理大规模数据,每个节点独立排序后进行网络合并。并行与分布式技术提升了处理大数据的速度和效率。**
58 9