算法面试用c还是python_排序算法(C语言+Python版)宝宝再也不怕面试官写排序算法了...
直接插入排序
过程:
1. 数据可分看成两个部分,前面的数据是有序的
2. 从后面的数据取出一个元素,插到前面有序数据的合适位置
从右端开始查找,到找到比此元素大的时候,则此元素向后移动,以空出多余的空间来插入此元素。
3. 查找至最后。
例:
3 2 4 5 8 1
2 3 4 5 8 1
1 2 3 4 5 8
def insert_sort(lists):
count = len(lists)
for i in range(1, count):
tmp = lists[i]
j = i - 1
while j >= 0 and lists[j]>tmp:
lists[j+1] = lists[j]
j -= 1
lists[j+1] = tmp
return lists
void direct_insert_sort(int *ar, int count);
void direct_insert_sort(int *ar, int count){
int tmp;
int i;
int j;
for (i=1; i < count; i++){
tmp = ar[i];
j = i-1;
while(j>=0 && (ar[j] > tmp) ){
ar[j+1] = ar[j];
j--;
}
ar[j+1] = tmp;
}
}
希尔排序
过程:
1.将所有的数据分组为N/2;这样每组就有2个数据,利用直接插入排序。
2.将所有的数据分组为N/2*2; 每组就有4个数据,利用直接插入排序。
3.step大于等于1,最后再一次直接插入排序
评价:
1. 时间复杂度:n^1.25 或者 nlog2(n)
2. 非稳定
3. 插入排序对于“局部有序”有较好的表现
def shell_sort(lists):
count = len(lists)
step = count/2
while step>0:
for i in range(step, count, step):
tmp = lists[i]
j = i - step
while j >= 0 and lists[j] > tmp:
lists[j+step] = lists[j]
j -= step
lists[j+step] = tmp
step/=2
return lists
void inner_direct_insert_sort(int *ar, int count, int step);
void shell_sort(int *ar, int count);
void shell_sort(int *ar, int count){
int step;
for (step=count/2; step > 0; step/=2)
inner_direct_insert_sort(ar, count, step);
}
// 调用插入排序,但是这里需要改变步长。
void inner_direct_insert_sort(int *ar, int count, int step){
int tmp;
int i;
int j;
for (i=step; i < count; i+=step){
tmp = ar[i];
j = i-step;
while(j>=0 && (ar[j] > tmp) ){
ar[j+step] = ar[j];
j-=step;
}
ar[j+step] = tmp;
}
}
冒泡排序:
哈哈最简单了
1. 从头开始,依次和自己后面的元素进行比较,交换
时间复杂度也很高O(N^2)
def bubble_sort(lists):
count = len(lists)
for i in range(0, count):
for j in range(i+1, count)
if lists[i] > lists[j]:
lists[i], lists[j] = lists[j], lists[i]
return lists
void bubble_sort(int *ar, int count);
void bubble_sort(int *ar, int count){
int i;
int j;
int tmp;
for(i=0; i
for (j=i+1; j
if(ar[i] > ar[j]){
tmp = ar[i];
ar[i] = ar[j];
ar[j] = tmp;
}
}
}
}
快速排序
过程:
1、基本的步骤
首先确定参考元素,参考元素左边是比参考元素小的元素,参考元素右边是比参考元素大的元素;
即参考元素把数据分成两部分
先设参考
2、递归调用基本的步骤
评价:
时间复杂度:O(N*log2N)
稳定性:非稳定
如果第一个参考元素比后面的有多个元素大,则排序之后逆序
如果第一个参考元素比后面的有多个元素小,则排序之后顺序
最差情况:完全逆序、完全顺序
def quick_sort(lists, left, right):
if left >= right:
return lists
tmp = lists[left]
start = left
end = right
while left < right:
while left < right and lists[right] > tmp:
right -= 1
if left < right:
lists[left] = lists[right]
left += 1
while left < right and lists[left] < tmp:
left += 1
if left < right:
lists[right] = lists[left]
right -= 1
lists[left] = tmp
quick_sort(lists, start, left-1)
quick_sort(lists, left+1, end)
return lists
int base_action(int *ar, int start_index, int end_index);
void inner_quick_sort(int *ar, int start_index, int end_index);
void quick_sort(int *ar, int count);
void quick_sort(int *ar, int count){
inner_quick_sort(ar, 0, count-1);
}
void inner_quick_sort(int *ar, int start_index, int end_index){
int mid_index;
if(start_index < end_index){
mid_index = base_action(ar, start_index, end_index);
inner_quick_sort(ar, start_index, mid_index-1);
inner_quick_sort(ar, mid_index+1, end_index);
}
}
int base_action(int *ar, int start_index, int end_index){
int tmp;
tmp = ar[start_index];
while(start_index < end_index){
while(start_index < end_index && ar[end_index] > tmp){
end_index--;
}
if(start_index < end_index){
ar[start_index] = ar[end_index];
start_index++;
}
while(start_index < end_index && ar[start_index] < tmp){
start_index++;
}
if(start_index < end_index){
ar[end_index] = ar[start_index];
end_index--;
}
}
ar[start_index] = tmp;
return start_index;
}
直接选择排序
过程:
1. 先在所有的元素中选出最值,则当前的第一个元素交换,即放到有序的集合里面;
2. 再在后面剩余的元素中找出最值,放到之前的有序集合里面。注意,是放在有序集合的最右边;
2.1 选取下一个节点为参考元素,接着和剩余的元素作比较,选出最值的下标。
2.2 循环完成,就选择出了最值了。
2.3 检测最值的下标和之前的参考元素的下标是否相同,如果相同的话,说明中间并没有改变,
也就是说参考元素就是最值。
如果最值的下标和之前的参考元素的下标不同,则交换元素。
评价:
1. 时间复杂度:O( (1+n-1)n/2) ==>O(n*n)
2. 非稳定的
3. 完全升序,交换次数最少
4. 完全逆序,交换次数不是最多;
def select_sort(lists):
count = len(lists)
for i in range(count):
min_index = i
for j in range(i+1,count):
if lists[j] < lists[min_index]:
min_index = j
if min_index != i:
lists[i], lists[min_index] = lists[min_index], lists[i]
return lists
void direct_select_sort(int *ar, int count);
void direct_select_sort(int *ar, int count){
int tmp;//用于交换的中间值
int i;//下一个要比较的元素,即参考元素
int j;//除了已排好序的集合和下一个元素,剩下的所有元素的都和下一个元素比较
int minIndex; //最小的值的下标,将来放到已排好的元素中去
for (i=0; i < count-1; i++){
minIndex = i;
for (j = i+1; j
if(ar[j] < ar[minIndex] ){
minIndex = j;
}
}
if (minIndex != i){
tmp = ar[minIndex];
ar[minIndex] = ar[i];
ar[i] = tmp;
}
}
}
堆排序
过程:
1、将整个的数据,调整成大根堆。(大根堆:根节点大于左右节点,调整过程深度优先)
这里提下完全二叉树的性质
设总结点为count
叶子节点数量:(count+1)/2
非叶子节点数量: count - (count+1)/2 = (count-1)/2
最后一个非节点: (count-1)/2 - 1
2、将根节点和最后一个叶子节点交换。之后再次调整整棵数为大根堆
3、直到只有一个根节点
评价:
1. 非稳定
2. O(N·log2N)
3. 完全顺序:小跟堆,最差情况
4. 完全逆序:大根堆,比较次数不变。最优情况
def adjust_head(lists, root, count):
not_finished = True
while not_finished and root <= (count-1)/2:
max_index = root
left_child = 2*root + 1
right_child = 2*root + 2
if left_child < count and lists[left_child] > lists[max_index]:
max_index = left_child
if right_child < count and lists[right_child] > lists[max_index]:
max_index = right_child
if root != max_index:
lists[root], lists[max_index] = lists[max_index], lists[root]
else:
not_finished = False
root = max_index
def heap_sort(lists):
count = len(lists)
last_not_leaf_node = (count-1)/2
for root in range(last_not_leaf_node, -1, -1):
adjust_head(lists, root,count) #调整为大跟堆
while count > 1:
lists[count-1], lists[0] = lists[0], lists[count-1]
count -= 1
adjust_head(lists,root, count)
return lists
void adjustBigHeap(int *ar, int count, int root);
void heapSort(int *ar, int count);
void heapSort(int *ar, int count){
int root;
int tmp;
for(root = (count-1)/2-1; root > 0; root--){
adjustBigHeap(ar, count, root);
}
while(count > 1){
adjustBigHeap(ar, count, root);
tmp = ar[0];
ar[0] = ar[count-1];
ar[count-1] = tmp;
count--;
}
}
void adjustBigHeap(int *ar, int count, int root){
int maxIndex;
int tmp;
boolean finished = FALSE;
while(!finished && maxIndex < (count-1)/2){
maxIndex = 2*root+1 < count && ar[2*root+1] > ar[root] ? 2*root+1 : root;
maxIndex = 2*root+2 < count && ar[2*root+2] > ar[maxIndex] ? 2*root+2 : maxIndex;
if(maxIndex != root){
tmp = ar[root];
ar[root] = ar[maxIndex];
ar[maxIndex] = tmp;
}else{
finished = TRUE;
}
root = maxIndex;
}
}
归并算法:分而治之
1. 将所有的数一分为二,在把其中的一组再一分为二,如此反复,最后在将有序的数组合并
2. 最关键的就是,递归终止的条件,即当每个组中只有一个元素。
3. 最重要的就是处理怎么合并。假设左边有序的起点为i, 右边有序的起点为j。将左右两边的数组相互比较,如果左边小的话,将比较的元素放入到结果集中,同时i应该加1。
如果右边元素大,则它放到结果集中,同时j要加1。如果左右两边其中的一边达到顶端(mid/end),则把另一组元素全部放到结果集中
评价:
平均情况 最坏情况 最好情况 空间复杂度
O(nlog2n) O(nlog2n) O(nlog2n) O(n)
稳定
def merge(left, right):
i, j = 0, 0
rst = []
while i < len(left) and j < len(right):
if left[i] <= right[j]:
rst.append(left[i])
i += 1
else:
rst.append(right[j])
j += 1
rst += left[i:]
rst += right[j:]
return rst
def merge_sort(lists):
if len(lists) <= 1:
return lists
middle = len(lists)/2
left = merge_sort(lists[middle:])
right = merge_sort(lists[:middle])
return merge(left, right)
void merge_sort(int *ar, int left, int right);
void merge(int *ar, int left, int right);
void merge_sort(int *ar, int left, int right){
int i;
if(left < right){
i = (left + right)/2;
merge_sort(a, left, i);
merge_sort(a, i+1, right);
merge(a, left, right);
}
}
void merge(int *ar, int left, int right){
int begin1 = left;
int mid = (left + right)/2;
int begin2 = mid+1;
int k = 0;
int new_ar_len = right - left + 1;
int *b = (int *)malloc(new_ar_len*sizeof(int));
while(begin1 <= mid && begin2 <= right){
if(ar[begin1] <= ar[begin2]){
b[k++] = ar[begin1++];
}else {
b[k++] = ar[begin2++];
}
while(begin1 <= mid)
b[k++] = ar[begin1++];
while(begin2 <= right)
b[k++] = ar[begin2++];
copy_array(b, a, new_ar_len, left);
free(b);
}
}
void copy_array(int *src, int *dst, int new_ar_len, int first){
int i;
int j=first;
for(i=0; i < len; i++){
dst[j] = src[i];
j++;
}
}
基数排序:
将所有的数,按照各位进行排序并保持数组,接着按照十位排序,进行百位...
桶的个数,应该是基数的大小
进行比较的次数=所有元素最大数所占的位数
def radix_sort(lists):
for k in xrange(len(str(max(lists)))):
bucket = [ [] for _ in xrange(10)]
for i in lists:
bucket[i / (10 ** k) % 10].append(i)
lists = [element for item in bucket for element in item]
return lists
c语言我看着晕~
直接交换排序
过程:
相邻的两个比较,交换;
一轮比较之后,最后的一个数为最值(比较时使用'>',为升序,最后一个为最大值)
下一比较,那么最后的数值就不需要比较。如m次比较,只需比较前面1,n-m-1之间的数
但是如果在一次比较的过程中,没有交换数据,那么数值就已经排序完成了。这里借助了标志位来判断
时间复杂度:O(n^2)
稳定!
最优:全为升序
最差:全为逆序
def exchange_sort(lists):
count = len(lists)
has_exchanged = True #在比较的过程中,如果没有数字发生交换,那么说明数据已经有序的了。退出即可
for i in range(0, count):
for j in range(0, count-i-1):
has_exchanged = False
if lists[j] > lists[j+1]:
lists[j], lists[j+1] = lists[j+1], lists[j]
has_exchanged = True
if not has_exchanged:
break
return lists
void direct_change_sort(int *ar, int count){
int i;
int j;
int tmp;
unsigned char has_exchanged;
for(i=0; i
for(j=0,has_exchanged = 0; j
if(ar[j] > ar[j+1]){
tmp = ar[j+1];
ar[j+1] = ar[j];
ar[j] = tmp;
has_exchanged = 1;
}
}
}
}
偷张图:
算法面试用c还是python_排序算法(C语言+Python版)宝宝再也不怕面试官写排序算法了...相关推荐
- 国密算法Go语言实现(详解)(十) ——SM2(椭圆曲线公钥密码算法)
国密算法Go语言实现(详解)(十) --SM2(椭圆曲线公钥密码算法) 原创代码:https://github.com/ZZMarquis/gm 引用时,请导入原创代码库.本文仅以注释方式详解代码逻辑 ...
- Interview:算法岗位面试—10.15上午—上海某公司算法岗位(偏图像算法,制造行业)技术面试考点之AI算法与实际场景结合产生商业价值的头脑风暴
Interview:算法岗位面试-10.15上午-上海某公司算法岗位(偏图像算法,制造行业)技术面试考点之AI算法与实际场景结合产生商业价值的头脑风暴 导读:一心想去互联网,未必能够发挥自己最大价值, ...
- 国密算法Go语言实现(详解)(九) ——SM2(椭圆曲线公钥密码算法)
国密算法Go语言实现(详解)(九) --SM2(椭圆曲线公钥密码算法) 原创代码:https://github.com/ZZMarquis/gm 引用时,请导入原创代码库.本文仅以注释方式详解代码逻辑 ...
- 蓝桥杯之算法模板题 Python版
蓝桥杯之算法模板题 Python版 文章目录 蓝桥杯之算法模板题 Python版 线段树 DP 动态规划 dp, LIS ** 01背包 完全背包 多重背包 混合背包 分组背包 区间DP 一.什么是区 ...
- java python算法_用Python,Java和C ++示例解释的排序算法
java python算法 什么是排序算法? (What is a Sorting Algorithm?) Sorting algorithms are a set of instructions t ...
- 排序算法总结(Python版)
经典排序算法总结与实现 经典排序算法在面试中占有很大的比重,也是基础,为了未雨绸缪,这次收集整理并用Python实现了八大经典排序算法,包括冒泡排序,插入排序,选择排序,希尔排序,归并排序,快速排序, ...
- “算法不行,干啥都不行!”面试官:面试基本都会考这点!
无论你是 Java,Python,还是 PHP,面试总逃脱不了一个问题:算法! 据统计,各大厂笔试平均通过率只有 10%~20%,基本都折在了算法上. 滴滴出行笔试通过率为 18.2%: 腾讯秋招笔试 ...
- c++编写算法判断二叉树是否为完全二叉树_字节面试官:连这90道LeetCode算法题都不会也来面试?...
面试大厂必刷:LeetCode算法90题 1. 买股票的最佳时机 难度级别:简单 题目: 给定一个数组,它的第 i 个元素是一支给定股票第 i 天的价格. 如果你最多只允许完成一笔交易(即买入和卖出一 ...
- java克鲁斯卡尔算法_Java语言基于无向有权图实现克鲁斯卡尔算法代码示例
所谓有权图,就是图中的每一条边上都会有相应的一个或一组值.通常情况下,这个值只是一个数字 如:在交通运输网中,边上的权值可能表示的是路程,也可能表示的是运输费用(显然二者都是数字).不过,边上的权值也 ...
最新文章
- DV录像带导出一定要用1394
- 说说 Spring 事务管理的实现类
- 单链表的创建示意图, 显示单向链表的分析
- seci-log1.02日志分析软件版本升级了
- 软件工程--第六周学习进度
- ES6学习笔记(三):教你用js面向对象思维来实现 tab栏增删改查功能
- 【Java】springboot学习笔记二
- 基于Gsoap 的ONVIF C++ 库
- linux dd克隆系统后,Ubuntu14.04 dd命令克隆系统镜像安装到另一台机器上
- FileSaver、js-xlsx、SheetJS在线报表预览导出
- 数据分析告诉你,韦小宝跟他七个老婆哪个最亲?
- 地震matlab频域分析,MATLAB在地震数据分析中的应用
- android反编译apk命令,APK反编译关键命令及步骤
- 如何清除Excel2007中的网格线?
- 腾讯内部深度文章曝光:微信向左 手机QQ向右
- 多设备同步课程表,适用于iOS与Android
- MCScanX使用说明
- 关于VB.NET IIF函数
- 粗读MD-UNET: Multi-input dilated U-shape neural network for segmentation of bladder cancer
- esp8266编译固件问题 踏坑之旅
热门文章
- 安防IT化如何把握其中的共性与个性
- 基于ONVIF协议的(IPC)客户端程序开发-10 设备校时
- 客户管理系统CRM推荐
- 计算机制图笔记本需要什么配置,绘图笔记本需要什么配置?
- 移动CMPP3.0短信网关接口协议
- SQlite3基本用法,使用sublime编辑器
- Linux系统编程:IPC信号量
- 企业服务器固态硬盘寿命,SSD固态硬盘使用寿命短?_企业存储技术与评测-中关村在线...
- mysql字段的区分度_详解MySQL索引长度和区分度之间的平衡,值得收藏
- 如何用python画爱心型线_如何用python画爱心