Python数据结构与算法(17)---归并排序

简介: Python数据结构与算法(17)---归并排序

归并排序


归并排序,又名Merge Sort,是建立在归并操作上的一种有效的排序算法。其具体原理有2个关键字:分与治。


分:我们需要进行分的操作,将数列均衡的分成2部分(n//2),当然如果是奇数,可以自己决定将多余的数分到前半部分,还是后半部分。当分成2部分之后,在递归的对左右子序列继续2分,以此类推,直到只有1个元素,再也分不下去。


治:所有元素分完之后,开始大小比较归并操作,从2个元素开始进行归并的比较,直到归并到n//2为止。


时间复杂度为:O(n log n) 。


图解归并排序

相信读者看完原理就应该直到了,治其实就是分的反操作。当然,原理毕竟还是可能不容易理解,下面博主用图给大家绘制出归并排序的步骤:


图解应该很好看懂,就是先分解,在合并,不过合并的过程中唯一与分解过程不同的地方是,需要对其进行排序。


实战:归并排序

这应该是数据结构的最后一个算法,不过算法并不仅仅只有这些。通过这些基础的算法所衍生出来的算法其实也是很多的,所以别小看这些算法。


回到我们今天的主题,下面我们通过Python代码来实现归并排序,示例如下:

def merge(left, right):
    r, l = 0, 0
    temp = []  # 临时列表
    lmax = len(left)
    rmax = len(right)
    while l < lmax and r < rmax:
        if left[l] < right[r]:  # 排序,小于等于的放左边
            temp.append(left[l])
            l += 1
        else:
            temp.append(right[r])  # 排序,大的放右边
            r += 1
    temp += list(left[l:])
    temp += list(right[r:])
    return temp
def merge_sort(my_list):
    if len(my_list) <= 1:  # 当数列长度小于1时,直接返回
        return my_list
    mid = len(my_list) // 2  # 获取对半索引为止
    left = merge_sort(my_list[:mid])  # 递归方法归并左边列表
    right = merge_sort(my_list[mid:])  # 递归方法归并右边列表
    return merge(left, right)  # 并归返回结果
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:", merge_sort(my_list))

运行之后,效果如下:


相关文章
|
2月前
|
算法 前端开发 数据处理
小白学python-深入解析一位字符判定算法
小白学python-深入解析一位字符判定算法
48 0
|
6天前
|
算法 数据安全/隐私保护 开发者
马特赛特旋转算法:Python的随机模块背后的力量
马特赛特旋转算法是Python `random`模块的核心,由松本真和西村拓士于1997年提出。它基于线性反馈移位寄存器,具有超长周期和高维均匀性,适用于模拟、密码学等领域。Python中通过设置种子值初始化状态数组,经状态更新和输出提取生成随机数,代码简单高效。
|
5天前
|
存储 算法 搜索推荐
Python 中数据结构和算法的关系
数据结构是算法的载体,算法是对数据结构的操作和运用。它们共同构成了计算机程序的核心,对于提高程序的质量和性能具有至关重要的作用
|
16天前
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
垃圾识别分类系统。本系统采用Python作为主要编程语言,通过收集了5种常见的垃圾数据集('塑料', '玻璃', '纸张', '纸板', '金属'),然后基于TensorFlow搭建卷积神经网络算法模型,通过对图像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文件。然后使用Django搭建Web网页端可视化操作界面,实现用户在网页端上传一张垃圾图片识别其名称。
63 0
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
|
16天前
|
机器学习/深度学习 人工智能 算法
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型
手写数字识别系统,使用Python作为主要开发语言,基于深度学习TensorFlow框架,搭建卷积神经网络算法。并通过对数据集进行训练,最后得到一个识别精度较高的模型。并基于Flask框架,开发网页端操作平台,实现用户上传一张图片识别其名称。
53 0
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型
|
16天前
|
机器学习/深度学习 人工智能 算法
基于深度学习的【蔬菜识别】系统实现~Python+人工智能+TensorFlow+算法模型
蔬菜识别系统,本系统使用Python作为主要编程语言,通过收集了8种常见的蔬菜图像数据集('土豆', '大白菜', '大葱', '莲藕', '菠菜', '西红柿', '韭菜', '黄瓜'),然后基于TensorFlow搭建卷积神经网络算法模型,通过多轮迭代训练最后得到一个识别精度较高的模型文件。在使用Django开发web网页端操作界面,实现用户上传一张蔬菜图片识别其名称。
62 0
基于深度学习的【蔬菜识别】系统实现~Python+人工智能+TensorFlow+算法模型
|
21天前
|
算法 Python
在Python编程中,分治法、贪心算法和动态规划是三种重要的算法。分治法通过将大问题分解为小问题,递归解决后合并结果
在Python编程中,分治法、贪心算法和动态规划是三种重要的算法。分治法通过将大问题分解为小问题,递归解决后合并结果;贪心算法在每一步选择局部最优解,追求全局最优;动态规划通过保存子问题的解,避免重复计算,确保全局最优。这三种算法各具特色,适用于不同类型的问题,合理选择能显著提升编程效率。
37 2
|
2月前
|
存储 机器学习/深度学习 算法
蓝桥杯练习题(三):Python组之算法训练提高综合五十题
蓝桥杯Python编程练习题的集合,涵盖了从基础到提高的多个算法题目及其解答。
70 3
蓝桥杯练习题(三):Python组之算法训练提高综合五十题
|
1月前
|
算法 测试技术 开发者
在Python开发中,性能优化和代码审查至关重要。性能优化通过改进代码结构和算法提高程序运行速度,减少资源消耗
在Python开发中,性能优化和代码审查至关重要。性能优化通过改进代码结构和算法提高程序运行速度,减少资源消耗;代码审查通过检查源代码发现潜在问题,提高代码质量和团队协作效率。本文介绍了一些实用的技巧和工具,帮助开发者提升开发效率。
37 3
|
1月前
|
机器学习/深度学习 人工智能 算法
【车辆车型识别】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+算法模型
车辆车型识别,使用Python作为主要编程语言,通过收集多种车辆车型图像数据集,然后基于TensorFlow搭建卷积网络算法模型,并对数据集进行训练,最后得到一个识别精度较高的模型文件。再基于Django搭建web网页端操作界面,实现用户上传一张车辆图片识别其类型。
74 0
【车辆车型识别】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+算法模型