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
|
2月前
|
算法 数据可视化 数据挖掘
基于EM期望最大化算法的GMM参数估计与三维数据分类系统python源码
本内容展示了基于EM算法的高斯混合模型(GMM)聚类实现,包含完整Python代码、运行效果图及理论解析。程序使用三维数据进行演示,涵盖误差计算、模型参数更新、结果可视化等关键步骤,并附有详细注释与操作视频,适合学习EM算法与GMM模型的原理及应用。
|
9月前
|
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。
809 55
|
2月前
|
存储 监控 安全
企业上网监控系统中红黑树数据结构的 Python 算法实现与应用研究
企业上网监控系统需高效处理海量数据,传统数据结构存在性能瓶颈。红黑树通过自平衡机制,确保查找、插入、删除操作的时间复杂度稳定在 O(log n),适用于网络记录存储、设备信息维护及安全事件排序等场景。本文分析红黑树的理论基础、应用场景及 Python 实现,并探讨其在企业监控系统中的实践价值,提升系统性能与稳定性。
63 1
|
2月前
|
存储 监控 算法
基于 Python 跳表算法的局域网网络监控软件动态数据索引优化策略研究
局域网网络监控软件需高效处理终端行为数据,跳表作为一种基于概率平衡的动态数据结构,具备高效的插入、删除与查询性能(平均时间复杂度为O(log n)),适用于高频数据写入和随机查询场景。本文深入解析跳表原理,探讨其在局域网监控中的适配性,并提供基于Python的完整实现方案,优化终端会话管理,提升系统响应性能。
72 4
|
8月前
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的眼疾识别系统实现~人工智能+卷积网络算法
眼疾识别系统,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4种常见的眼疾图像数据集(白内障、糖尿病性视网膜病变、青光眼和正常眼睛) 再使用通过搭建的算法模型对数据集进行训练得到一个识别精度较高的模型,然后保存为为本地h5格式文件。最后使用Django框架搭建了一个Web网页平台可视化操作界面,实现用户上传一张眼疾图片识别其名称。
481 5
基于Python深度学习的眼疾识别系统实现~人工智能+卷积网络算法
|
3月前
|
PyTorch 算法框架/工具 C++
人工智能算法python程序运行环境安装步骤整理
本教程详细介绍Python与AI开发环境的配置步骤,涵盖软件下载、VS2017安装、Anaconda配置、PyCharm设置及组件安装等内容,适用于Windows系统,助你快速搭建开发环境。
|
4月前
|
算法 Python
Apriori算法的Python实例演示
经过运行,你会看到一些集合出现,每个集合的支持度也会给出。这些集合就是你想要的,经常一起被购买的商品组合。不要忘记,`min_support`参数将决定频繁项集的数量和大小,你可以根据自己的需要进行更改。
163 18
|
4月前
|
存储 机器学习/深度学习 算法
论上网限制软件中 Python 动态衰减权重算法于行为管控领域的创新性应用
在网络安全与行为管理的学术语境中,上网限制软件面临着精准识别并管控用户不合规网络请求的复杂任务。传统的基于静态规则库或固定阈值的策略,在实践中暴露出较高的误判率与较差的动态适应性。本研究引入一种基于 “动态衰减权重算法” 的优化策略,融合时间序列分析与权重衰减机制,旨在显著提升上网限制软件的实时决策效能。
127 2
|
5月前
|
存储 监控 算法
员工电脑监控场景下 Python 红黑树算法的深度解析
在当代企业管理范式中,员工电脑监控业已成为一种广泛采用的策略性手段,其核心目标在于维护企业信息安全、提升工作效能并确保合规性。借助对员工电脑操作的实时监测机制,企业能够敏锐洞察潜在风险,诸如数据泄露、恶意软件侵袭等威胁。而员工电脑监控系统的高效运作,高度依赖于底层的数据结构与算法架构。本文旨在深入探究红黑树(Red - Black Tree)这一数据结构在员工电脑监控领域的应用,并通过 Python 代码实例详尽阐释其实现机制。
109 7

热门文章

最新文章

推荐镜像

更多