Python算法编程:冒泡排序、选择排序、快速排序

简介: Python算法编程:冒泡排序、选择排序、快速排序

Python算法编程:冒泡排序、选择排序、快速排序

最近在做一些算法方面的练习题,总结出来与大家分享一下。有不组织之处,多多指教!

冒泡排序

冒泡排序就是重复“从序列右边开始比较相邻两个数字的大小,再根据结果交换连个数字的位置”这一操作的算法。在这个过程中,数字会像泡泡一样, 慢慢从右往左“浮”到序列的顶端,所以这个算法才被称为“冒泡排序”。

示例代码如下:

nums_lst = [6, 1, 7, 9, 10, 3, 5, 4, 2, 1, 0, 7, -1, 12]

for _ in range(len(nums_lst)):
    for i in range(len(nums_lst) -1, 0, -1):
        if nums_lst[i] < nums_lst[i-1]:
            nums_lst[i], nums_lst[i-1] = nums_lst[i-1], nums_lst[i]

print(nums_lst)

运行结果如下:

D:\Python39\python.exe D:/My_Project/算法/bubble_sort.py
[-1, 0, 1, 1, 2, 3, 4, 5, 6, 7, 7, 9, 10, 12]

Process finished with exit code 0

选择排序

选择排序就是重复“从待排序的数据中寻找最小值,将其与序列最左边的数字进行交换”这一操作的算法。在序列中寻找最小值时使用的是线性查找。

数据没有重复的情况下

nums_lst = [6, 1, 7, 9, -11, 10, 0, 3, 4, 2, 5, 12, -1]

for i in range(len(nums_lst)):
    min_n = min(nums_lst[i:]) # 取列表中最小值
    if nums_lst[i] > min_n:
        nums_lst[nums_lst.index(min_n)], nums_lst[i] = nums_lst[i], min_n

print(nums_lst)

运行结果如下:

D:\Python39\python.exe D:/My_Project/算法/selection_sort.py
[-11, -1, 0, 1, 2, 3, 4, 5, 6, 7, 9, 10, 12]

Process finished with exit code 0

存在重复数据的情况下

nums_lst_origin = [6, 1, 7, 9, -11, 10, 0, 3, 4, 2, 5, 12, -1, 7, 3, 9, 0]

nums_lst = list(set(nums_lst_origin))
for i in range(len(nums_lst)):
    min_n = min(nums_lst[i:])
    if nums_lst[i] > min_n:
        nums_lst[nums_lst.index(min_n)], nums_lst[i] = nums_lst[i], min_n

print(nums_lst_origin)

insert_data = {
   }
for _ in nums_lst:
    if nums_lst_origin.count(_) > 1:
        insert_data[_] = nums_lst_origin.count(_)


for k, v in insert_data.items():
    for _ in range(v-1):
        nums_lst.insert(nums_lst.index(k), k)

print(nums_lst)

运行结果如下:

D:\Python39\python.exe D:/My_Project/算法/selection_sort.py
[6, 1, 7, 9, -11, 10, 0, 3, 4, 2, 5, 12, -1, 7, 3, 9, 0]
[-11, -1, 0, 0, 1, 2, 3, 3, 4, 5, 6, 7, 7, 9, 9, 10, 12]

Process finished with exit code 0

快速排序

在列表中取一个位置中间的数字,列表中位于中间位置数字的两侧数据与中间的数字比较,左侧大于中间数字,右侧小于中间数字互相交换

示例代码如下:

nums_lst = [4, 1, 5, 3, 2, -1, 8, 1, 11, 7]

def quick_sort(data):
    def sort(s_data, fst, lst):
        if fst > lst:
            return

        i, j = fst, lst
        x = s_data[(fst + lst) // 2]

        while i <= j:
            while s_data[i] < x:
                i += 1
            while s_data[j] > x:
                j -= 1
            if i <= j:
                s_data[i], s_data[j] = s_data[j], s_data[i]
                i, j = i + 1, j -1

            sort(s_data, fst, j)
            sort(s_data, i, lst)

        return s_data
    return sort(list(data), 0, len(data) - 1)

sort_nums = quick_sort(nums_lst)
print(sort_nums)

运行结果如下:

D:\Python39\python.exe D:/My_Project/算法/quick_sort.py
[-1, 1, 1, 2, 3, 4, 5, 7, 8, 11]

Process finished with exit code 0
相关文章
|
1天前
|
存储 数据可视化 Python
Python编程中的数据可视化技术
在数据驱动的世界中,将复杂的数据集转换为易于理解的视觉表示形式至关重要。本文将深入探讨如何使用Python进行数据可视化,包括选择合适的库、处理数据和设计有效的图表。我们将一起学习如何让数据讲故事,并确保你的信息传达清晰且有影响力。
|
1天前
|
IDE API 定位技术
Python--API编程:IP地址翻译成实际的物理地址
Python--API编程:IP地址翻译成实际的物理地址
|
2天前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于GA遗传优化的GroupCNN分组卷积网络时间序列预测算法matlab仿真
该算法结合了遗传算法(GA)与分组卷积神经网络(GroupCNN),利用GA优化GroupCNN的网络结构和超参数,提升时间序列预测精度与效率。遗传算法通过模拟自然选择过程中的选择、交叉和变异操作寻找最优解;分组卷积则有效减少了计算成本和参数数量。本项目使用MATLAB2022A实现,并提供完整代码及视频教程。注意:展示图含水印,完整程序运行无水印。
|
1天前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于MSER和HOG特征提取的SVM交通标志检测和识别算法matlab仿真
### 算法简介 1. **算法运行效果图预览**:展示算法效果,完整程序运行后无水印。 2. **算法运行软件版本**:Matlab 2017b。 3. **部分核心程序**:完整版代码包含中文注释及操作步骤视频。 4. **算法理论概述**: - **MSER**:用于检测显著区域,提取图像中稳定区域,适用于光照变化下的交通标志检测。 - **HOG特征提取**:通过计算图像小区域的梯度直方图捕捉局部纹理信息,用于物体检测。 - **SVM**:寻找最大化间隔的超平面以分类样本。 整个算法流程图见下图。
|
1天前
|
算法 决策智能
基于禁忌搜索算法的VRP问题求解matlab仿真,带GUI界面,可设置参数
该程序基于禁忌搜索算法求解车辆路径问题(VRP),使用MATLAB2022a版本实现,并带有GUI界面。用户可通过界面设置参数并查看结果。禁忌搜索算法通过迭代改进当前解,并利用记忆机制避免陷入局部最优。程序包含初始化、定义邻域结构、设置禁忌列表等步骤,最终输出最优路径和相关数据图表。
|
2天前
|
编解码 算法 数据挖掘
基于MUSIC算法的六阵元圆阵DOA估计matlab仿真
该程序使用MATLAB 2022a版本实现基于MUSIC算法的六阵元圆阵DOA估计仿真。MUSIC算法通过区分信号和噪声子空间,利用协方差矩阵的特征向量估计信号到达方向。程序计算了不同角度下的MUSIC谱,并绘制了三维谱图及对数谱图,展示了高分辨率的DOA估计结果。适用于各种形状的麦克风阵列,尤其在声源定位中表现出色。
|
8天前
|
传感器 算法 C语言
基于无线传感器网络的节点分簇算法matlab仿真
该程序对传感器网络进行分簇,考虑节点能量状态、拓扑位置及孤立节点等因素。相较于LEACH算法,本程序评估网络持续时间、节点死亡趋势及能量消耗。使用MATLAB 2022a版本运行,展示了节点能量管理优化及网络生命周期延长的效果。通过簇头管理和数据融合,实现了能量高效和网络可扩展性。
|
2天前
|
数据采集 算法 5G
基于稀疏CoSaMP算法的大规模MIMO信道估计matlab性能仿真,对比LS,OMP,MOMP,CoSaMP
该研究采用MATLAB 2022a仿真大规模MIMO系统中的信道估计,利用压缩感知技术克服传统方法的高开销问题。在稀疏信号恢复理论基础上,通过CoSaMP等算法实现高效信道估计。核心程序对比了LS、OMP、NOMP及CoSaMP等多种算法的均方误差(MSE),验证其在不同信噪比下的性能。仿真结果显示,稀疏CoSaMP表现优异。
10 2
|
5天前
|
算法 数据挖掘
基于粒子群优化算法的图象聚类识别matlab仿真
该程序基于粒子群优化(PSO)算法实现图像聚类识别,能识别0~9的数字图片。在MATLAB2017B环境下运行,通过特征提取、PSO优化找到最佳聚类中心,提高识别准确性。PSO模拟鸟群捕食行为,通过粒子间的协作优化搜索过程。程序包括图片读取、特征提取、聚类分析及结果展示等步骤,实现了高效的图像识别。
|
1月前
|
算法 BI Serverless
基于鱼群算法的散热片形状优化matlab仿真
本研究利用浴盆曲线模拟空隙外形,并通过鱼群算法(FSA)优化浴盆曲线参数,以获得最佳孔隙度值及对应的R值。FSA通过模拟鱼群的聚群、避障和觅食行为,实现高效全局搜索。具体步骤包括初始化鱼群、计算适应度值、更新位置及判断终止条件。最终确定散热片的最佳形状参数。仿真结果显示该方法能显著提高优化效率。相关代码使用MATLAB 2022a实现。