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
|
7天前
|
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。
30 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
|
7天前
|
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。
24 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
|
7天前
|
机器学习/深度学习 人工智能 算法
基于深度学习的【蔬菜识别】系统实现~Python+人工智能+TensorFlow+算法模型
蔬菜识别系统,本系统使用Python作为主要编程语言,通过收集了8种常见的蔬菜图像数据集('土豆', '大白菜', '大葱', '莲藕', '菠菜', '西红柿', '韭菜', '黄瓜'),然后基于TensorFlow搭建卷积神经网络算法模型,通过多轮迭代训练最后得到一个识别精度较高的模型文件。在使用Django开发web网页端操作界面,实现用户上传一张蔬菜图片识别其名称。
42 0
基于深度学习的【蔬菜识别】系统实现~Python+人工智能+TensorFlow+算法模型
|
11天前
|
算法 Python
在Python编程中,分治法、贪心算法和动态规划是三种重要的算法。分治法通过将大问题分解为小问题,递归解决后合并结果
在Python编程中,分治法、贪心算法和动态规划是三种重要的算法。分治法通过将大问题分解为小问题,递归解决后合并结果;贪心算法在每一步选择局部最优解,追求全局最优;动态规划通过保存子问题的解,避免重复计算,确保全局最优。这三种算法各具特色,适用于不同类型的问题,合理选择能显著提升编程效率。
29 2
|
1月前
|
存储 机器学习/深度学习 算法
蓝桥杯练习题(三):Python组之算法训练提高综合五十题
蓝桥杯Python编程练习题的集合,涵盖了从基础到提高的多个算法题目及其解答。
60 3
蓝桥杯练习题(三):Python组之算法训练提高综合五十题
|
23天前
|
机器学习/深度学习 人工智能 算法
【车辆车型识别】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+算法模型
车辆车型识别,使用Python作为主要编程语言,通过收集多种车辆车型图像数据集,然后基于TensorFlow搭建卷积网络算法模型,并对数据集进行训练,最后得到一个识别精度较高的模型文件。再基于Django搭建web网页端操作界面,实现用户上传一张车辆图片识别其类型。
70 0
【车辆车型识别】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+算法模型
|
28天前
|
机器学习/深度学习 算法 Java
机器学习、基础算法、python常见面试题必知必答系列大全:(面试问题持续更新)
机器学习、基础算法、python常见面试题必知必答系列大全:(面试问题持续更新)
|
1月前
|
机器学习/深度学习 人工智能 算法
【玉米病害识别】Python+卷积神经网络算法+人工智能+深度学习+计算机课设项目+TensorFlow+模型训练
玉米病害识别系统,本系统使用Python作为主要开发语言,通过收集了8种常见的玉米叶部病害图片数据集('矮花叶病', '健康', '灰斑病一般', '灰斑病严重', '锈病一般', '锈病严重', '叶斑病一般', '叶斑病严重'),然后基于TensorFlow搭建卷积神经网络算法模型,通过对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。再使用Django搭建Web网页操作平台,实现用户上传一张玉米病害图片识别其名称。
56 0
【玉米病害识别】Python+卷积神经网络算法+人工智能+深度学习+计算机课设项目+TensorFlow+模型训练
|
2月前
|
机器学习/深度学习 算法 TensorFlow
交通标志识别系统Python+卷积神经网络算法+深度学习人工智能+TensorFlow模型训练+计算机课设项目+Django网页界面
交通标志识别系统。本系统使用Python作为主要编程语言,在交通标志图像识别功能实现中,基于TensorFlow搭建卷积神经网络算法模型,通过对收集到的58种常见的交通标志图像作为数据集,进行迭代训练最后得到一个识别精度较高的模型文件,然后保存为本地的h5格式文件。再使用Django开发Web网页端操作界面,实现用户上传一张交通标志图片,识别其名称。
103 6
交通标志识别系统Python+卷积神经网络算法+深度学习人工智能+TensorFlow模型训练+计算机课设项目+Django网页界面
|
2月前
|
机器学习/深度学习 人工智能 算法
【新闻文本分类识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台
文本分类识别系统。本系统使用Python作为主要开发语言,首先收集了10种中文文本数据集("体育类", "财经类", "房产类", "家居类", "教育类", "科技类", "时尚类", "时政类", "游戏类", "娱乐类"),然后基于TensorFlow搭建CNN卷积神经网络算法模型。通过对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,并保存为本地的h5格式。然后使用Django开发Web网页端操作界面,实现用户上传一段文本识别其所属的类别。
91 1
【新闻文本分类识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台