Python算法——基数排序

简介: Python算法——基数排序

基数排序(Radix Sort)是一种非比较性排序算法,适用于对整数或字符串等数据进行排序。它根据数据的位数进行排序,从低位到高位或从高位到低位,通过分配数据到不同的桶中,然后按顺序合并这些桶,得到有序数组。基数排序是一种稳定的排序算法,适用于整数或字符串排序。本文将详细介绍基数排序的工作原理和Python实现。

基数排序的工作原理

基数排序的基本思想是:

  1. 根据数据的位数,从低位到高位或从高位到低位,依次对数据进行排序。
  2. 每一轮排序根据位数的不同,将数据分配到不同的桶中。
  3. 按照桶的顺序合并所有的桶,得到有序数组。
    基数排序的关键在于如何确定位数的顺序,如何将数据分配到桶中以及如何对桶中的数据进行合并。通常情况下,基数排序是通过分别处理每个位上的数字来排序的,从最低位到最高位,或者反之。

下面是一个示例,演示基数排序的过程:

原始数组:[170, 45, 75, 90, 802, 24, 2, 66]

  1. 从最低位(个位)开始,将元素分配到 10 个桶中,根据个位数字的不同。
  • 桶 0:170, 90, 802
  • 桶 2:2, 802
  • 桶 4:24
  • 桶 5:75
  • 桶 6:66
  • 桶 7:
  • 桶 8:
  • 桶 9:45
  1. 合并所有的桶,得到有序数组:[170, 90, 802, 2, 24, 75, 66, 45]

    Python实现基数排序

    下面是Python中的基数排序实现:
def radix_sort(arr):
    # 获取数组中的最大值
    max_val = max(arr)

    # 计算最大值的位数
    digit_count = len(str(max_val))

    for digit in range(digit_count):
        # 创建 10 个桶
        buckets = [[] for _ in range(10)]

        # 将元素分配到桶中
        for num in arr:
            digit_val = (num // (10 ** digit)) % 10
            buckets[digit_val].append(num)

        # 合并所有的桶
        arr = []
        for bucket in buckets:
            arr.extend(bucket)

    return arr
  • arr 是待排序的整数数组。
  • max_val 是数组中的最大值,用于计算位数。
  • 计算最大值的位数。
  • 创建 10 个桶用于分配数据。
  • 将元素分配到对应的桶中,根据位数的不同。
  • 合并所有的桶,得到有序数组。

    示例代码

    下面是一个使用Python进行基数排序的示例代码:
def radix_sort(arr):
    max_val = max(arr)
    digit_count = len(str(max_val))

    for digit in range(digit_count):
        buckets = [[] for _ in range(10)]

        for num in arr:
            digit_val = (num // (10 ** digit)) % 10
            buckets[digit_val].append(num)

        arr = []
        for bucket in buckets:
            arr.extend(bucket)

    return arr

# 测试排序
arr = [170, 45, 75, 90, 802, 24, 2, 66]
sorted_arr = radix_sort(arr)
print("排序后的数组:", sorted_arr)

时间复杂度

基数排序的时间复杂度为 O(nk),其中 n 是数组的长度,k 是最大值的位数。基数排序是一种非比较性排序算法,适用于整数或字符串排序。

总之,基数排序是一种高效的非比较性排序算法,通过分别处理每个位上的数字来排序,从最低位到最高位,或者反之,实现了对整数或字符串数组的排序。了解基数排序有助于理解非比较性排序算法的思想,提供了一种适用于特定场景的排序解决方案。

目录
相关文章
|
3月前
|
算法 搜索推荐 JavaScript
基于python智能推荐算法的全屋定制系统
本研究聚焦基于智能推荐算法的全屋定制平台网站设计,旨在解决消费者在个性化定制中面临的选择难题。通过整合Django、Vue、Python与MySQL等技术,构建集家装设计、材料推荐、家具搭配于一体的一站式智能服务平台,提升用户体验与行业数字化水平。
|
3月前
|
存储 监控 算法
监控电脑屏幕的帧数据检索 Python 语言算法
针对监控电脑屏幕场景,本文提出基于哈希表的帧数据高效检索方案。利用时间戳作键,实现O(1)级查询与去重,结合链式地址法支持多条件检索,并通过Python实现插入、查询、删除操作。测试表明,相较传统列表,检索速度提升80%以上,存储减少15%,具备高实时性与可扩展性,适用于大规模屏幕监控系统。
148 5
|
4月前
|
存储 算法 调度
【复现】【遗传算法】考虑储能和可再生能源消纳责任制的售电公司购售电策略(Python代码实现)
【复现】【遗传算法】考虑储能和可再生能源消纳责任制的售电公司购售电策略(Python代码实现)
226 26
|
4月前
|
机器学习/深度学习 算法 机器人
【机器人路径规划】基于D*算法的机器人路径规划(Python代码实现)
【机器人路径规划】基于D*算法的机器人路径规划(Python代码实现)
249 0
|
4月前
|
机器学习/深度学习 算法 机器人
【机器人路径规划】基于改进型A*算法的机器人路径规划(Python代码实现)
【机器人路径规划】基于改进型A*算法的机器人路径规划(Python代码实现)
355 0
|
4月前
|
机器学习/深度学习 编解码 算法
【机器人路径规划】基于迪杰斯特拉算法(Dijkstra)的机器人路径规划(Python代码实现)
【机器人路径规划】基于迪杰斯特拉算法(Dijkstra)的机器人路径规划(Python代码实现)
441 4
|
4月前
|
机器学习/深度学习 算法 机器人
【机器人路径规划】基于A*算法的机器人路径规划研究(Python代码实现)
【机器人路径规划】基于A*算法的机器人路径规划研究(Python代码实现)
612 4
|
4月前
|
机器学习/深度学习 算法 机器人
【机器人路径规划】基于深度优先搜索(Depth-First-Search,DFS)算法的机器人路径规划(Python代码实现)
【机器人路径规划】基于深度优先搜索(Depth-First-Search,DFS)算法的机器人路径规划(Python代码实现)
295 3
|
4月前
|
算法 机器人 定位技术
【机器人路径规划】基于流场寻路算法(Flow Field Pathfinding)的机器人路径规划(Python代码实现)
【机器人路径规划】基于流场寻路算法(Flow Field Pathfinding)的机器人路径规划(Python代码实现)
234 4
机器学习/深度学习 算法 自动驾驶
817 0

推荐镜像

更多