Python数据结构与算法(15)---希尔排序

简介: Python数据结构与算法(15)---希尔排序

希尔排序


希尔排序,又称作Shell Sort,也叫缩小增量排序算法,是前文讲解的插入排序更高效的一种排序算法。


其原理是:在n个元素的列表里,取增量n/2。数列开始值与增量值的尾值进行比较,小的放前面,大的放后面;把增量的前后都比较一遍,然后增量数-1。


继续从头到尾进行比较,并调整大小;一直到增量等于1,就完成了所有列表元素的排序。至于增量规则可以自行定义。


图解写入排序

假设,又一个列表为[8,0,4,3,2,1]。具体原理步骤如下:


第1次,增量为3,那么需要进行3次循环。(每次循环2个数进行比较排序)


上面,首先对索引0到索引3的数值进行比较,然后比较索引1与索引4,最后比较索引2与索引5的值。


第2次,增量为2,那么需要进行2次循环。


接着,对索引0、索引2、与索引4的数值进行比较,然后比较索引1、索引3、索引5的数值。


第3次,增量为1,那么需要进行1次循环。


最后,对比索引0与索引1,索引1与索引2,索引2与索引3,索引3与索引4,索引4与索引5的各个数的值。就完成了最终的排序过程。这个过程就叫希尔排序。


实战:希尔排序

通过上面的举例,以及图解的分析,相信读者都能够看懂希尔排序的过程以及相对应的原理。下面,我们来用Python实现希尔排序,示例如下:

def shell_sort(my_list):
    n = len(my_list)
    if n == 1:
        return my_list
    space = int(n / 2)
    while space > 0:
        for i in range(space, n):
            temp = my_list[i]
            j = i
            while j >= space and my_list[j - space] > temp:
                my_list[j] = my_list[j - space]
                j -= space
            my_list[j] = temp
        space = int(space / 2)
    return my_list
if __name__ == "__main__":
    my_list = [8, 0, 4, 3, 2, 1]
    print("排序前的数组:", my_list)
    print("排序后的数组:", shell_sort(my_list))

运行之后,效果如下所示:


相关文章
|
13天前
|
机器学习/深度学习 人工智能 算法
【新闻文本分类识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台
文本分类识别系统。本系统使用Python作为主要开发语言,首先收集了10种中文文本数据集("体育类", "财经类", "房产类", "家居类", "教育类", "科技类", "时尚类", "时政类", "游戏类", "娱乐类"),然后基于TensorFlow搭建CNN卷积神经网络算法模型。通过对数据集进行多轮迭代训练,最后得到一个识别精度较高的模型,并保存为本地的h5格式。然后使用Django开发Web网页端操作界面,实现用户上传一段文本识别其所属的类别。
24 1
【新闻文本分类识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台
|
8天前
|
存储 索引 Python
Python常用数据结构——集合
Python常用数据结构——集合
22 3
|
8天前
|
存储 数据安全/隐私保护 Python
Python常用数据结构——字典的应用
Python常用数据结构——字典的应用
11 2
|
10天前
|
Python
逆天改命!掌握Python并查集,数据结构难题从此不再是你的痛!
在编程旅程中,遇到棘手的数据结构难题是否让你苦恼?别担心,Python并查集(Union-Find)是你的得力助手。这是一种高效处理不相交集合合并及查询的数据结构,广泛应用于网络连通性、社交网络圈子划分等场景。通过维护每个集合的根节点,它实现了快速合并与查询。本文将介绍并查集的基本概念、应用场景以及如何在Python中轻松实现并查集,帮助你轻松应对各种数据结构挑战。
22 3
|
10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。
28 2
|
13天前
|
算法 Python
震惊!Python 算法设计背后,时间复杂度与空间复杂度的惊天秘密大起底!
在 Python 算法设计中,理解并巧妙运用时间复杂度和空间复杂度的知识,是实现高效、优雅代码的必经之路。通过不断地实践和优化,我们能够在这两个因素之间找到最佳的平衡点,创造出性能卓越的程序。
29 4
|
12天前
|
算法 程序员 Python
程序员必看!Python复杂度分析全攻略,让你的算法设计既快又省内存!
在编程领域,Python以简洁的语法和强大的库支持成为众多程序员的首选语言。然而,性能优化仍是挑战。本文将带你深入了解Python算法的复杂度分析,从时间与空间复杂度入手,分享四大最佳实践:选择合适算法、优化实现、利用Python特性减少空间消耗及定期评估调整,助你写出高效且节省内存的代码,轻松应对各种编程挑战。
23 1
|
13天前
|
算法 计算机视觉 Python
Python并查集大揭秘:让你在算法界呼风唤雨,秒杀一切复杂场景!
在编程与算法的广袤天地中,总有一些工具如同神兵利器,能够助你一臂之力,在复杂的问题前游刃有余。今天,我们就来深入探讨这样一件神器——Python并查集(Union-Find),看看它是如何让你在算法界呼风唤雨,轻松应对各种复杂场景的。
30 2
|
13天前
|
机器学习/深度学习 人工智能 算法
【果蔬识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台
【果蔬识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台。果蔬识别系统,本系统使用Python作为主要开发语言,通过收集了12种常见的水果和蔬菜('土豆', '圣女果', '大白菜', '大葱', '梨', '胡萝卜', '芒果', '苹果', '西红柿', '韭菜', '香蕉', '黄瓜'),然后基于TensorFlow库搭建CNN卷积神经网络算法模型,然后对数据集进行训练,最后得到一个识别精度较高的算法模型,然后将其保存为h5格式的本地文件方便后期调用。再使用Django框架搭建Web网页平台操作界面,实现用户上传一张果蔬图片识别其名称。
33 0
【果蔬识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台
|
8天前
|
存储 数据安全/隐私保护 Python
Python常用数据结构—字典
Python常用数据结构—字典
下一篇
无影云桌面