基础排序算法(Python版)

简介: 基础排序算法(Python版)

1.冒泡排序:

概念:冒泡排序的思想:依次比较相邻的两个记录的关键字,若两个记录是反序的(即前一个记录的关键字大于后前一个记录的关键字),则进行交换,直到没有反序的记录为止。假定数据放在一个列表lst中。


① 首先将lst[1]与lst[2]的关键字进行比较,若为反序(lst[1]的关键字大于lst[2]的关键字),则交换两个记录;然后比较lst[2]与lst[3]的关键字,依此类推,直到lst[n-1]与lst[n]的关键字比较后为止,称为一趟冒泡排序,lst[n]为关键字最大的记录。


② 然后进行第二趟冒泡排序,对前n-1个记录进行同样的操作。


一般地,第i趟冒泡排序是对lst[1 … n-i+1]中的记录进行的,因此,若待排序的记录有n个,则要经过n-1趟冒泡排序才能使所有的记录有序。


def bubble_sort(lst):
    length = len(lst)
    for i in range(length-1):  #共有length -1趟排序
        flag = True            #falg用于记录一趟冒泡排序中,是否有逆序发生
        for j in range(1,length-i):
            if lst[j-1]>lst[j]:
                flag = False   #有逆序发生
                lst[j-1],lst[j]=lst[j],lst[j-1]
        if flag == True:
            break
def main():
    list1 = [23, 38, 22, 45, 67, 31, 15, 41]
    print(list1)
    bubble_sort(list1)
    print(list1)
main()

运行结果:

image.png



2.选择排序

概念:每次从当前待排序的记录中选取关键字最小的记录表,然后与待排序的记录序列中的第一个记录进行交换,直到整个记录序列有序为止。


def select_sort(lst):
    n = len(lst)
    for i in range(0,n):
        min = i                             #最小元素下标标记
        for j in range(i+1,n):
            if lst[j] < lst[min]:
                min = j                     #找到最小值的下标
        lst[i],lst[min] = lst[min],lst[i]   #将找到的最小值与待排序的第一个记录交换
def main():
    list1 = [9, 6, -2, 21, 15, 8]
    select_sort(list1)
    print(list1)
main()  #调用main函数

运行结果:


image.png


3.插入排序

概念:将待排序的记录插入到已排好序的记录表中,得到一个新的、记录数增加1的有序表,选择下一个待排序的记录重复前面的操作,直到所有的记录都插入完为止。假设有n个元素需要排序,则需要n-1趟插入就可排好序。


def insertion_sort(lst):  
    lst_length=len(lst)  
    if lst_length<2:  
        return lst  
    for i in range(1,lst_length):  
        key=lst[i]  
        j=i-1  
        while j>=0 and key<lst[j]:  
            lst[j+1]=lst[j]  
            j=j-1  
        lst[j+1]=key  
    return lst
def main():
    list1 = [7, 4, 2, 19, 13, 6]
    print(list1)
    list2=insertion_sort(list1)
    print(list2)
main()

运行结果:

image.png


4.归并排序:

概念:①初始时,将每个记录看成一个单独的有序序列,则n个待排序记录就是n个长度为1的有序子序列;        ②对所有有序子序列进行两两归并,得到n/2个长度为2或1的有序子序列——一趟归并;         ③重复②,直到得到长度为n的有序序列为止。 上述排序过程中,子序列总是两两归并,称为2-路归并排序,其核心是将相邻的两个子序列归并成一个子序列。


def merge_sort(lst):  
    if len(lst)<2:  
        return lst  
    sorted_list=[]    #用于存放两个列表有序合并后的结果 
    left_list=merge_sort(lst[:len(lst)//2])  
    right_list=merge_sort(lst[len(lst)//2:])  
    while len(left_list)>0 and len(right_list)>0:  
        if left_list[0]<right_list[0]:  
            sorted_list.append(left_list.pop(0))  
        else:  
            sorted_list.append(right_list.pop(0))
    sorted_list += left_list
    sorted_list += right_list 
    return sorted_list  
def main():
    list1 = [23, 38, 22, 45, 24, 67, 31, 15, 41]
    print(list1)
    list2=merge_sort(list1)
    print(list2)
main()

运行结果:


image.png


5.快速排序

概念:快速排序是对冒泡排序的一种改进,它的基本思想是:通过一趟排序将要排序的数据分割成独立的两部分,其中一部分的所有数据都比另外一部分的所有数据都要小,然后再按此方法对这两部分数据分别进行快速排序,整个排序过程可以递归进行,以此达到整个数据变成有序序列。


因快速排序较难,我们试着列出他的过程:


设待排序的数据序列放在列表lst中,可描述为lst[s…t],快速排序是在数据序列中任取一个数据(一般取lst[s])作为参照(又称为基准或枢轴),以lst[s]为基准重新排列其余的所有数据,方法是:


所有关键字比基准小的放lst[s]之前;


所有关键字比基准大的放lst[s]之后。


设置两个下标索引变量low,high,初值为列表的第1个和最后一个数据元素的位置。设两个变量i,j,初始时令i=low,j=high,以lst[low]作为基准,将lst[low]保存在变量k中。


(1)从j所指位置向前搜索:将lst[low]与lst[j]进行比较: ◆若lst[low] ≤ lst[j]:令j=j-1,然后继续进行比较,直到i=j或k > lst[j]为止; ◆若lst[low] > lst[j]:将lst [j]放进lst [i],腾空lst [j], 且令i=i+1; (2)从i位置起向后搜索:将k与lst[i]进行比较: ◆ 若k ≥ lst[i]:令i=i+1,然后继续进行比较,直到i=j或k < lst[i]为止; ◆ 若k < lst[i]:将lst [i]放进lst[j],腾空lst[i],且令j=j-1; (3)重复(1)、(2),直至i=j为止,i就是k(基准)所应放置的位置。


image.png


def quick_sort(lst, low, high):
    i = low 
    j = high
    if i >= j:     #递归终止的条件
        return lst
    k = lst[i]
    while i < j:
        while i < j and lst[j] >= k:
            j = j-1                                                             
        lst[i] = lst[j]   #将lst[j]放进lst[i],腾空lst[j]
        while i < j and lst[i] <= k:    
            i = i+1 
        lst[j] = lst[i]   #将lst[i]放进lst[j],腾空lst[i]
    lst[i] = k            #将基准k放入应放置的位置 
    quick_sort(lst, low, i-1)
    quick_sort(lst, i+1, high)
    return lst
def main():
    list1 = [55, 66, 22, 444, 24, 67, 31, 15, 41]
    print(list1)
    high = len(list1)-1
    list2=quick_sort(list1, 0, high)
    print(list2)
main()

运行结果:

image.png




目录
相关文章
|
12天前
|
机器学习/深度学习 人工智能 算法
猫狗宠物识别系统Python+TensorFlow+人工智能+深度学习+卷积网络算法
宠物识别系统使用Python和TensorFlow搭建卷积神经网络,基于37种常见猫狗数据集训练高精度模型,并保存为h5格式。通过Django框架搭建Web平台,用户上传宠物图片即可识别其名称,提供便捷的宠物识别服务。
154 55
|
28天前
|
搜索推荐 Python
利用Python内置函数实现的冒泡排序算法
在上述代码中,`bubble_sort` 函数接受一个列表 `arr` 作为输入。通过两层循环,外层循环控制排序的轮数,内层循环用于比较相邻的元素并进行交换。如果前一个元素大于后一个元素,就将它们交换位置。
127 67
|
28天前
|
存储 搜索推荐 Python
用 Python 实现快速排序算法。
快速排序的平均时间复杂度为$O(nlogn)$,空间复杂度为$O(logn)$。它在大多数情况下表现良好,但在某些特殊情况下可能会退化为最坏情况,时间复杂度为$O(n^2)$。你可以根据实际需求对代码进行调整和修改,或者尝试使用其他优化策略来提高快速排序的性能
120 61
|
1月前
|
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。
108 63
|
22天前
|
机器学习/深度学习 人工智能 算法
【宠物识别系统】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+图像识别
宠物识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了37种常见的猫狗宠物种类数据集【'阿比西尼亚猫(Abyssinian)', '孟加拉猫(Bengal)', '暹罗猫(Birman)', '孟买猫(Bombay)', '英国短毛猫(British Shorthair)', '埃及猫(Egyptian Mau)', '缅因猫(Maine Coon)', '波斯猫(Persian)', '布偶猫(Ragdoll)', '俄罗斯蓝猫(Russian Blue)', '暹罗猫(Siamese)', '斯芬克斯猫(Sphynx)', '美国斗牛犬
122 29
【宠物识别系统】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+图像识别
|
3天前
|
存储 算法 Python
文件管理系统中基于 Python 语言的二叉树查找算法探秘
在数字化时代,文件管理系统至关重要。本文探讨了二叉树查找算法在文件管理中的应用,并通过Python代码展示了其实现过程。二叉树是一种非线性数据结构,每个节点最多有两个子节点。通过文件名的字典序构建和查找二叉树,能高效地管理和检索文件。相较于顺序查找,二叉树查找每次比较可排除一半子树,极大提升了查找效率,尤其适用于海量文件管理。Python代码示例包括定义节点类、插入和查找函数,展示了如何快速定位目标文件。二叉树查找算法为文件管理系统的优化提供了有效途径。
34 5
|
2天前
|
存储 缓存 算法
探索企业文件管理软件:Python中的哈希表算法应用
企业文件管理软件依赖哈希表实现高效的数据管理和安全保障。哈希表通过键值映射,提供平均O(1)时间复杂度的快速访问,适用于海量文件处理。在Python中,字典类型基于哈希表实现,可用于管理文件元数据、缓存机制、版本控制及快速搜索等功能,极大提升工作效率和数据安全性。
29 0
|
1月前
|
机器学习/深度学习 算法 大数据
蓄水池抽样算法详解及Python实现
蓄水池抽样是一种适用于从未知大小或大数据集中高效随机抽样的算法,确保每个元素被选中的概率相同。本文介绍其基本概念、工作原理,并提供Python代码示例,演示如何实现该算法。
35 1
|
1月前
|
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。
84 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
|
1月前
|
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。
97 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