Python数据结构与算法(12)---冒泡排序

简介: Python数据结构与算法(12)---冒泡排序

冒泡排序


冒泡排序,其英文为Bubble Sort。是指把一组数据从左边开始依次进行两两交换,小的方前面,大的放后面,通过反复比较一直到没有数据需要交换为止。


该排序方法由于很像水里的泡泡,从水底冒出的,故称之为冒泡排序。


冒泡排序原理

冒牌排序的原理如下:


1.从列表开始,依次两两比较值的大小,把大的往后交换,一直到末尾,这样列表中最大的值肯定就是末尾的值。

2.接着,在从列表开始,两两比较知道交换到倒数第二位,那么第二大的值确定。

3.依次循环到只剩1,完成所有数的交换后,冒泡排序即完成。


比如,我们现在又一个列表值为[8,0,4,3,2,1],那么我们需要进行5轮循环。


第1次循环的图解:

第2次循环的图解:


第3次循环的图解:


第4次循环的图解:


第5次循环的图解:

从上面的图我们可以发现,我们的列表是6位元素,但是我们只循环了5次,就得到了最终结果。所以冒牌排序顶层循环的次数,一定等于列表的长度减1。


后面我们比较数字的时候,一次漏掉一个元素,这是因为最大的数据依次放到了后面,所以,内层循环的次数是每经过外层循环1次少1次,直到为0结束。


也就是说,内层次数只要减去外层循环次数,自然是每次减1,毕竟外层是每次加1。


Python代码实现冒泡排序

既然原理都已经通过图解介绍清楚了。下面,就应该介绍如何使用Python代码实现冒泡排序算法。示例代码如下所示:

s_list = [8, 0, 4, 3, 2, 1]
print("排序之前的结果:", s_list)
for i in range(0, len(s_list)):
    for j in range(len(s_list) - i - 1):
        if s_list[j] >= s_list[j + 1]:
            temp = s_list[j + 1]
            s_list[j + 1] = s_list[j]
            s_list[j] = temp
print("排序之后的结果:", s_list)


运行之后,效果如下:



相关文章
|
29天前
|
机器学习/深度学习 算法 Python
请解释Python中的随机森林算法以及如何使用Sklearn库实现它。
【2月更文挑战第28天】【2月更文挑战第101篇】请解释Python中的随机森林算法以及如何使用Sklearn库实现它。
|
1月前
|
算法 搜索推荐 索引
|
1月前
|
算法 数据挖掘 Python
使用python实现FP-Growth算法
使用python实现FP-Growth算法
|
14天前
|
机器学习/深度学习 算法 搜索推荐
Machine Learning机器学习之决策树算法 Decision Tree(附Python代码)
Machine Learning机器学习之决策树算法 Decision Tree(附Python代码)
|
27天前
|
机器学习/深度学习 算法 数据挖掘
请解释Python中的决策树算法以及如何使用Sklearn库实现它。
决策树是监督学习算法,常用于分类和回归问题。Python的Sklearn库提供了决策树实现。以下是一步步创建决策树模型的简要步骤:导入所需库,加载数据集(如鸢尾花数据集),划分数据集为训练集和测试集,创建`DecisionTreeClassifier`,训练模型,预测测试集结果,最后通过`accuracy_score`评估模型性能。示例代码展示了这一过程。
|
28天前
|
机器学习/深度学习 算法 数据可视化
请解释Python中的K-means聚类算法以及如何使用Sklearn库实现它。
【2月更文挑战第29天】【2月更文挑战第104篇】请解释Python中的K-means聚类算法以及如何使用Sklearn库实现它。
|
1天前
|
算法 数据可视化 Python
Python中LARS和Lasso回归之最小角算法Lars分析波士顿住房数据实例
Python中LARS和Lasso回归之最小角算法Lars分析波士顿住房数据实例
|
1天前
|
机器学习/深度学习 算法 Python
使用Python实现集成学习算法:Bagging与Boosting
使用Python实现集成学习算法:Bagging与Boosting
8 0
|
5天前
|
算法 数据可视化 数据挖掘
使用Python实现DBSCAN聚类算法
使用Python实现DBSCAN聚类算法
136 2
|
7天前
|
算法 数据可视化 数据挖掘
使用Python实现K均值聚类算法
使用Python实现K均值聚类算法
15 1

热门文章

最新文章