排序算法

简介:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
# -*- coding:utf-8 -*-
 
__author__  =  'Abel Xu'
 
import  random
import  time
from  copy  import  deepcopy
 
def  insert_sort(list_an):
     """插入排序
     """
     len_list  =  len (list_an)
     for  in  xrange ( 1 , len_list):
         key  =  list_an[j]
         =  j - 1
         while  i> = 0  and  list_an[i] > key:
             list_an[i + 1 =  list_an[i]
             =  i - 1
         list_an[i + 1 =  key
 
     return  list_an
 
 
def  merge_sort(list_an):
     """
     归并排序
     """
     if  len (list_an) < =  1 :
         return  list_an
     mid  =  len (list_an) / 2
     left  =  merge_sort(list_an[:mid])
     right  =  merge_sort(list_an[mid:])
     return  merge(left, right)
 
def  merge(left, right):
     result  =  []
     i, j  =  0 0
     len_left  =  len (left)
     len_right  =  len (right)
     while  i<len_left  and  j<len_right:
         if  left[i] < =  right[j]:
             result.append(left[i])
             + =  1
         else :
             result.append(right[j])
             + =  1
     result  + =  left[i:]
     result  + =  right[j:]
     return  result
 
 
 
if  __name__  = =  '__main__' :
     list_an  =  [random.randint( 0 10000 for  in  xrange ( 10000 )]
     list_bn  =  deepcopy(list_an)
     list_cn  =  deepcopy(list_an)
 
     print ( '插入排序的耗时:' )
     insert_time  =  time.time()
     list_an  =  insert_sort(list_an)
     print (time.time() - insert_time)
 
     print ( 'list内置排序的耗时:' )
     list_time  =  time.time()
     list_bn.sort()
     print (time.time() - list_time)
 
     print ( '归并排序的耗时:' )
     merge_time  =  time.time()
     list_cn  =  merge_sort(list_cn)
     print (time.time() - merge_time)


运行结果:

插入排序的耗时:
3.22006893158
list内置排序的耗时:
0.00256586074829
归并排序的耗时:
0.0303440093994


结论:

Python的list自带sort函数性能优于插入排序和归并排序.



本文转自 许大树 51CTO博客,原文链接:http://blog.51cto.com/abelxu/1898606,如需转载请自行联系原作者

相关文章
|
1天前
|
人工智能 运维 安全
|
3天前
|
SpringCloudAlibaba 负载均衡 Dubbo
微服务架构下Feign和Dubbo的性能大比拼,到底鹿死谁手?
本文对比分析了SpringCloudAlibaba框架下Feign与Dubbo的服务调用性能及差异。Feign基于HTTP协议,使用简单,适合轻量级微服务架构;Dubbo采用RPC通信,性能更优,支持丰富的服务治理功能。通过实际测试,Dubbo在调用性能、负载均衡和服务发现方面表现更出色。两者各有适用场景,可根据项目需求灵活选择。
368 123
微服务架构下Feign和Dubbo的性能大比拼,到底鹿死谁手?
|
6天前
|
人工智能 JavaScript 测试技术
Qwen3-Coder入门教程|10分钟搞定安装配置
Qwen3-Coder 挑战赛简介:无论你是编程小白还是办公达人,都能通过本教程快速上手 Qwen-Code CLI,利用 AI 轻松实现代码编写、文档处理等任务。内容涵盖 API 配置、CLI 安装及多种实用案例,助你提升效率,体验智能编码的乐趣。
574 107
|
2天前
|
Java 数据库 数据安全/隐私保护
Spring 微服务和多租户:处理多个客户端
本文介绍了如何在 Spring Boot 微服务架构中实现多租户。多租户允许单个应用实例为多个客户提供独立服务,尤其适用于 SaaS 应用。文章探讨了多租户的类型、优势与挑战,并详细说明了如何通过 Spring Boot 的灵活配置实现租户隔离、动态租户管理及数据源路由,同时确保数据安全与系统可扩展性。结合微服务的优势,开发者可以构建高效、可维护的多租户系统。
191 127
|
2天前
|
Web App开发 前端开发 API
在折叠屏应用中,如何处理不同屏幕尺寸和设备类型的样式兼容性?
在折叠屏应用中,如何处理不同屏幕尺寸和设备类型的样式兼容性?
222 124
|
2天前
|
人工智能 数据可视化 测试技术
Coze平台指南(3):核心功能-创建智能体与设计角色
Coze 智能体是由大语言模型驱动,通过提示词设定角色,并借助知识库、插件和工作流扩展能力,以执行特定任务的AI助手。对测试工程师而言,精心设计的智能体可显著提升测试效率与质量,关键是要准确理解测试需求,并将其转化为智能体的角色设定和功能配置。建议进一步学习知识库与工作流,以深化应用。
|
6天前
|
JSON fastjson Java
FastJson 完全学习指南(初学者从零入门)
摘要:本文是FastJson的入门学习指南,主要内容包括: JSON基础:介绍JSON格式特点、键值对规则、数组和对象格式,以及嵌套结构的访问方式。FastJson是阿里巴巴开源的高性能JSON解析库,具有速度快、功能全、使用简单等优势,并介绍如何引入依赖,如何替换Springboot默认的JackJson。 核心API: 序列化:将Java对象转换为JSON字符串,演示对象、List和Map的序列化方法; 反序列化:将JSON字符串转回Java对象,展示基本对象转换方法;

热门文章

最新文章