python 数据结构与算法——排序
文章目录
- 排序的分类
- 排序的复杂度
- python 实现
- 冒泡排序
- 选择排序
- 插入排序
- 希尔排序
- 归并排序
- 堆排序
- 快排
- 树排序
- 线性时间排序算法
- 计数排序
- 桶排序
- 桶排序的复杂度分析
- 基数排序
排序的分类
基准 | 解释 |
---|---|
按比较次数 | O ( n log ( n ) ) O(n\log(n)) O(nlog(n))、 O ( n 2 ) O(n^2) O(n2)、 O ( n ) O(n) O(n) |
按交换次数 | |
按内存占用 | 需要多少额外空间 |
按是否递归 | 比如快排是递归算法,选择、插入排序是非递归算法 |
按稳定性 | 是否保持相同 key 排序前后的相对次序 |
按适应性 | 是否受到初始顺序的影响,有些算法对预排序的数组有较好的性能 |
按是否需要内存之外的存储 | 内排序、外排序 |
排序的复杂度
排序算法 | 额外空间复杂度 | 最好时间间复杂度 | 最坏时间复杂度 | 平均时间复杂度 | 稳定性 |
---|---|---|---|---|---|
冒泡排序 | O ( 1 ) O(1) O(1) | O ( n ) O(n) O(n) | O ( n 2 ) O(n^2) O(n2) | O ( n 2 ) O(n^2) O(n2) | 是 |
选择排序 | O ( 1 ) O(1) O(1) | O ( n 2 ) O(n^2) O(n2) | O ( n 2 ) O(n^2) O(n2) | O ( n 2 ) O(n^2) O(n2) | 否 |
插入排序 | O ( 1 ) O(1) O(1) | O ( n 2 ) O(n^2) O(n2) | O ( n 2 ) O(n^2) O(n2) | O ( n 2 ) O(n^2) O(n2) | 是 |
希尔排序 | O ( 1 ) O(1) O(1) | O ( n ) O(n) O(n) | O ( n log 2 ( n ) ) O(n\log^2(n)) O(nlog2(n)) | - | 否 |
归并排序 | O ( n ) O(n) O(n) | O ( n log ( n ) ) O(n\log(n)) O(nlog(n)) | O ( n log ( n ) ) O(n\log(n)) O(nlog(n)) | O ( n log ( n ) ) O(n\log(n)) O(nlog(n)) | 是 |
堆排序 | O ( 1 ) O(1) O(1) | O ( n log ( n ) ) O(n\log(n)) O(nlog(n)) | O ( n log ( n ) ) O(n\log(n)) O(nlog(n)) | O ( n log ( n ) ) O(n\log(n)) O(nlog(n)) | 否 |
快排 | O ( log ( n ) ) O(\log(n)) O(log(n)) | O ( n log ( n ) ) O(n\log(n)) O(nlog(n)) | O ( n 2 ) O(n^2) O(n2) | O ( n log ( n ) ) O(n\log(n)) O(nlog(n)) | - |
树排序 | O ( n ) O(n) O(n) | - | O ( n 2 ) O(n^2) O(n2) | O ( n log ( n ) ) O(n\log(n)) O(nlog(n)) | - |
python 实现
def swap(A, x, y):A[x], A[y] = A[y], A[x]
冒泡排序
def BubbleSort(A):for i in range(len(A)):for k in range(len(A) - 1, i, -1):if (A[k] < A[k - 1]):swap(A, k, k-1)
改进: 如果第一次遍历,没有发生交换,说明已经排好序了,直接结束,对最好情况的时间复杂度为 O ( n ) O(n) O(n)
def BubbleSort(A):swapped = Truefor i in range(len(A)):if not swapped:returnfor k in range(len(A) - 1, i, -1):if (A[k] < A[k - 1]):swap(A, k, k-1)swapped = True
选择排序
def SelectionSort(A):for i in range(len(A)):least = ifor k in range(i + 1, len(A)):if A[k] < A[least]:least = kswap(A, least, i)
插入排序
def InsertionSort(A):for i in range(1, len(A)):tmp = A[i]k = iwhile k > 0 and tmp < A[k - 1]:A[k] = A[k - 1]k -= 1A[k] = tmp
希尔排序
def ShellSort(A):sublistcount = len(A) // 2while sublistcount > 0:for startposition in range(sublistcount):gapInsertionSort(A, startposition, sublistcount)# print("After increments of size", sublistcount, "The list is", A)sublistcount = sublistcount // 2def gapInsertionSort(A, start, gap):for i in range(start + gap, len(A), gap):currentvalue = A[i]position = iwhile position >= gap and A[position - gap] > currentvalue:A[position] = A[position - gap]position = position - gapA[position] = currentvalue
归并排序
def MergeSort(A):if len(A) > 1:mid = len(A) // 2lefthalf = A[:mid]righthalf = A[mid:]MergeSort(lefthalf)MergeSort(righthalf)i = j = k = 0while i < len(lefthalf) and j < len(righthalf):if lefthalf[i] < righthalf[j]:A[k] = lefthalf[i]i = i + 1else:A[k] = righthalf[j]j = j + 1k = k + 1while i < len(lefthalf):A[k] = lefthalf[i]i = i + 1k = k + 1while j < len(righthalf):A[k] = righthalf[j]j = j + 1k = k + 1
堆排序
参见 python 数据结构与算法——优先队列和堆
快排
如果不计空间成本,下面是最直观的实现,完美诠释分治的思想
def partition(A):pivot, A = A[0], A[1:]low = [x for x in seq if x <= pivot]high = [x for x in seq if x > pivot]return low, pivot, highdef quickSort(A):if len(A) <= 1:return Alow, pivot, high = partition(A)return quickSort(low) + [pivot] + quickSort(high)
下面是个中规中矩的快排,随机选取分割点
import randomdef QuickSort(A, low, high):if low < high:pivot = Partition(A, low, high)QuickSort(A, low, pivot - 1)QuickSort(A, pivot + 1, high)def Partition(A, low, high):pivot = low + random.randrange(high - low + 1)swap(A, pivot, high)for i in range(low, high):if A[i] <= A[high]:swap(A, i, low)low += 1swap(A, low, high)return low
树排序
使用二叉排序树,参见 二叉树排序算法
线性时间排序算法
计数排序
如果已知数组 A 的最大值小于 k,那么可以在 O ( n + k ) O(n+k) O(n+k) 时间内完成排序,空间复杂度 O ( k ) O(k) O(k)
def counting_sort(A, k):C = [0] * kfor a in A:C[a] += 1 i = 0for a in range(k):for c in range(C[a]): A[i] = ai += 1return Aprint(counting_sort( [1, 4, 7, 2, 1, 3, 2, 1, 4, 2, 3, 2, 1], 8 ))
桶排序
桶排序和计数排序类似,如果已知元素的范围, 如: [ m i n , m a x ] [min, max] [min,max],那么
- 先把这个区间 [ m i n , m a x ] [min, max] [min,max] 分成 K K K 个子区间(桶),此时这些区间的顺序是已知的
- 遍历数组,把元素这个放进这 K K K 个桶
- 对每个桶内元素排序
- 依次读取各个桶内的元素
桶排序的复杂度分析
总元素有 N N N 个,每个桶内的元素平均有 N / K N/K N/K 个
如果对每个桶采用复杂度为 O ( n 2 ) O(n^2) O(n2) 的排序算法,即 O ( N 2 / K 2 ) O(N^2/K^2) O(N2/K2),那么 K K K 个桶就需要 O ( N 2 / K ) O(N^2/K) O(N2/K) 的时间
最后读取所有元素,需要 O ( N ) O(N) O(N)
所以总的时间代价为: T ( N ) = O ( N 2 / K ) + O ( N ) T(N) = O(N^2/K) + O(N) T(N)=O(N2/K)+O(N)
平平无奇
python 数据结构与算法——排序相关推荐
- python数据结构和算法 时间复杂度分析 乱序单词检测 线性数据结构 栈stack 字符匹配 表达式求值 queue队列 链表 递归 动态规划 排序和搜索 树 图
python数据结构和算法 参考 本文github 计算机科学是解决问题的研究.计算机科学使用抽象作为表示过程和数据的工具.抽象的数据类型允许程序员通过隐藏数据的细节来管理问题领域的复杂性.Pytho ...
- Python天天美味(32) - python数据结构与算法之堆排序
1. 选择排序 选择排序原理是先选出最小的数,与第一个数交换,然后从第二个数开始再选择最小的数与第二个数交换,-- def selection_sort(data): for i in ran ...
- python数据结构与算法13_python 数据结构与算法 (13)
python 数据结构与算法 (13) 选择排序 (Selection sort) 是? 种简单直观的排序算法. 它的? 作原理如 下.? 先在未排序序列中找到最?(?)元素, 存放到排序序列的起始位 ...
- Python 数据结构与算法——快排
Python 数据结构与算法--选取算法(TopK) 如果说快速选取法所代表的是剪枝式的遍历操作--在递归树中找出一条通往第 k<script type="math/tex" ...
- python数据结构与算法练习-Printer Queue
python数据结构与算法练习-队列 Printer Queue python实现 需要注意的知识点: Printer Queue 链接: link. The only printer in the ...
- [FreeCodeCamp笔记] Python 数据结构和算法1 二分搜索 Binary Search
我以前学过数据结构和算法(data structure and algorithms. 现在普遍简称DSA),当时用的Robert Sedgewick的coursera课程.这位大神写的<算法( ...
- 视频教程-Python数据结构与算法面试(上)-Python
Python数据结构与算法面试(上) 东北大学计算机专业硕士研究生,欧瑞科技创始人&CEO,曾任国内著名软件公司项目经理,畅销书作者,企业IT内训讲师,CSDN学院专家讲师,制作视频课程超过1 ...
- python leetcode_leetcode 介绍和 python 数据结构与算法学习资料
for (刚入门的编程)的高中 or 大学生 leetcode 介绍 leetcode 可以说是 cs 最核心的一门"课程"了,虽然不是大学开设的,但基本上每一个现代的高水平的程序 ...
- Python数据结构与算法(二)栈和队列
本系列总结了python常用的数据结构和算法,以及一些编程实现. 参考书籍:<数据结构与算法 Python语言实现> [美]Michael T.Goodrich, Roberto Tama ...
最新文章
- 在遗传算法中出现等式约束_排序算法中的稳定性-等式的处理
- 【每日DP】day 9、P1156 垃圾陷阱(神奇的背包,时间节点处理)难度⭐⭐⭐
- BGP的各种属性配置
- 由浅到深了解工厂模式
- 伺服电机常用参数设置_6个步骤教你如何快速调试伺服电机
- MySQL DBA面试全揭秘
- 怎么抓python程序的包_如何在AWS上部署python应用程序
- 汤阳光 Hibernate笔记
- 【资料分享】2018全球DevOps现状调查报告(中文版)
- 蓝桥杯 2016年C语言组大学B组 C/C++
- 安卓能硬改的手机机型_这款iPhone手机专属特效AR相机,我真的爱了
- 个人--2015 关于管理的书
- aliplayer 直播在微信和支付宝浏览器自动播放兼容
- 在Cesium中实现与CAD的DWG图叠加显示分析
- 作为一个开发者,我创业了
- 利用python通过站长之家查询ip地址归属地
- 轻松教你苹果airdrop怎么用
- 用Python爬取某网中小说内容代码分享
- 上海个人住房公积金复议材料
- 【redis】SpringBoot整合+geo地理位置应用
热门文章
- 【往事清零,未来可期】研究生入学前的50天,我干了什么“见不得人”的勾当...
- python中类未实例化引发的报错 missing 1 required positional argument: ‘self‘
- Java如何键盘输入
- 笔记本120赫兹输出html,屏幕:700尼特+100%sRGB+120Hz+防窥_惠普 ELITEBOOK 1040 G4_笔记本评测-中关村在线...
- 【数据结构篇】- 栈和队列(你真的搞懂了吗,一篇学会栈和队列)
- (附源码)spring boot SneakerHome球鞋商城 毕业设计 011229
- oppo find x3和x3pro外观区别 oppo find x3和x3pro参数对比哪个性价比高
- 百度地图4.1_1开发教程(8)为marker加上备注
- Python之SQL 防注入问题,绕过登录验证进入数据库,可能会导致大问题。
- 生活方式2006创意博起