Python 如何优化冒泡排序

简介: Python 如何优化冒泡排序

什么叫冒泡排序法?


相信有接触过算法的朋友多少都了解冒泡排序法,那么什么是冒泡排序法呢?冒泡排序,英文名称(Bubble Sort)是一种基础的交换排序算法,在日常工作中经常会用到,例如:页面数据需按时间先后排序,这本质上也是一种冒泡排序法。


喝过可乐的朋友都知道,可乐里面的气泡会向上浮,这就是冒泡排序一种最形象的例子。至于有些朋友问,是大的气泡先上浮还是小的先上浮呢?这就取决于你的需求去做控制了。


先上动图,再结合代码介绍一下冒泡排序算法的执行过程。


640.gif


基础版


def bubble_sort(list):
    x = len(list)
    # 这个循环负责设置冒泡排序进行的次数
    for i in range(x - 1):
        # 这个循环负责控制比较的元素个数
        for j in range(0, x - 1 - i):
            # 交换顺序
            if list[j] > list[j + 1]:
                list[j], list[j + 1] = list[j +1], list[j]
    return list
list = [3,1,2,4,5]
print(bubble_sort(list))


由 gif 图结合代码可以看出,就算当前数列中的某几个元素之间是有序的(数列最后两个元素 4 和 5 是不应该比较的),元素遍历依然会执行,但这种操作是毫无意义的。这明显会导致效率低下,以及资源消耗。在这种情况下冒泡排序算法的时间复杂度是 O(N^2)

鉴于基础版冒泡排序效率低下,改进版应运而生。


改进版


在基础版中已经知道就算当前数列中的某几个元素之间是有序的(如最后的4、5),元素遍历依然会执行。而我们改进版就是为了解决这个问题。


def bubble_sort(list):
    x = len(list)
    # 这个循环负责设置冒泡排序进行的次数
    for i in range(x - 1):
        # 有序标记,每一轮的初始是true,用于判断元素间是否需要交换
        isSorted = True
        # 这个循环负责控制比较的元素个数
        for j in range(0, x - 1 - i):
            # 交换顺序
            if list[j] > list[j + 1]:
                list[j], list[j + 1] = list[j +1], list[j]
                # 有交换行为设为 False
                isSorted = False
        # 无交换行为(isSorted = True),直接跳过本次循环
        if isSorted:
            break
    return list
list = [3,1,2,4,5]
print(bubble_sort(list))


上述代码中加入了一个标志位 isSorted ,利用布尔变量 isSorted 作为标记。如果在本轮排序中,元素有交换,则说明数列无序;如果没有元素交换,说明数列已然有序,直接跳出大循环。


最后,如果对 Python 、Java 感兴趣请长按二维码关注我的公众号,我会努力带给你们价值,赞赏就不必了,能力没到,受之有愧,如果觉得有帮助点个赞就好,没帮助的话忽略就好。

相关文章
|
11天前
|
机器学习/深度学习 人工智能 算法框架/工具
使用Python实现深度学习模型:智能家电控制与优化
使用Python实现深度学习模型:智能家电控制与优化
56 22
使用Python实现深度学习模型:智能家电控制与优化
|
1天前
|
大数据 UED 开发者
实战演练:利用Python的Trie树优化搜索算法,性能飙升不是梦!
在数据密集型应用中,高效搜索算法至关重要。Trie树(前缀树/字典树)通过优化字符串处理和搜索效率成为理想选择。本文通过Python实战演示Trie树构建与应用,显著提升搜索性能。Trie树利用公共前缀减少查询时间,支持快速插入、删除和搜索。以下为简单示例代码,展示如何构建及使用Trie树进行搜索与前缀匹配,适用于自动补全、拼写检查等场景,助力提升应用性能与用户体验。
11 2
|
1天前
|
数据库 开发者 Python
实战指南:用Python协程与异步函数优化高性能Web应用
在快速发展的Web开发领域,高性能与高效响应是衡量应用质量的重要标准。随着Python在Web开发中的广泛应用,如何利用Python的协程(Coroutine)与异步函数(Async Functions)特性来优化Web应用的性能,成为了许多开发者关注的焦点。本文将从实战角度出发,通过具体案例展示如何运用这些技术来提升Web应用的响应速度和吞吐量。
8 1
|
5天前
|
算法 搜索推荐 开发者
别再让复杂度拖你后腿!Python 算法设计与分析实战,教你如何精准评估与优化!
在 Python 编程中,算法的性能至关重要。本文将带您深入了解算法复杂度的概念,包括时间复杂度和空间复杂度。通过具体的例子,如冒泡排序算法 (`O(n^2)` 时间复杂度,`O(1)` 空间复杂度),我们将展示如何评估算法的性能。同时,我们还会介绍如何优化算法,例如使用 Python 的内置函数 `max` 来提高查找最大值的效率,或利用哈希表将查找时间从 `O(n)` 降至 `O(1)`。此外,还将介绍使用 `timeit` 模块等工具来评估算法性能的方法。通过不断实践,您将能更高效地优化 Python 程序。
20 4
|
11天前
|
并行计算 算法 Java
优化Python数据处理性能的策略
在数据密集型应用中,Python常因其解释性语言的特性而面临性能瓶颈。本文探讨了提升Python数据处理性能的几种策略,包括优化数据结构的选择、使用高效的库以及应用并行处理技术。通过具体示例和代码演示,读者将了解如何在实际开发中应用这些策略,从而显著提升数据处理速度。
|
2月前
|
机器学习/深度学习 搜索推荐 TensorFlow
使用Python实现深度学习模型:个性化推荐与广告优化
【7月更文挑战第22天】 使用Python实现深度学习模型:个性化推荐与广告优化
168 71
|
11天前
|
存储 并行计算 大数据
优化Python数据处理性能的最佳实践
在数据科学和大数据时代,优化Python数据处理性能变得至关重要。通过探讨数据处理瓶颈、内存管理、并行计算以及高效库的使用,本篇文章旨在提供切实可行的最佳实践,以帮助开发者提升数据处理效率。
|
15天前
|
JSON 监控 数据挖掘
Python I/O管理新篇章:优化你的程序,让数据流动更顺畅
【9月更文挑战第13天】在数据驱动时代,Python因其在数据分析、科学计算及Web开发中的广泛应用而备受青睐。本文探讨了Python I/O管理的关键方面,包括理解I/O瓶颈、使用缓冲技术、并发与异步I/O、高效数据序列化及监控调试。通过具体示例,展示了如何优化文件读写和网络通信,提高程序性能。掌握这些技能,可使数据在程序中流动更加顺畅。
33 3
|
1月前
|
搜索推荐 Python
Python基础编程:冒泡排序和选择排序的另一种while循环实现
这篇文章介绍了Python中冒泡排序和选择排序的实现,提供了使用while循环的替代方法,并展示了排序算法的运行结果。
20 2
Python基础编程:冒泡排序和选择排序的另一种while循环实现
|
27天前
|
机器学习/深度学习 数据采集 TensorFlow
使用Python实现智能物流路径优化
使用Python实现智能物流路径优化
48 1