- ubuntu12.04环境下使用kvm ioctl接口实现最简单的虚拟机
- Ubuntu 通过无线网络安装Ubuntu Server启动系统后连接无线网络的方法
- 在Ubuntu上搭建网桥的方法
- ubuntu 虚拟机上网方式及相关配置详解
CFSDN坚持开源创造价值,我们致力于搭建一个资源共享平台,让每一个IT人在这里找到属于你的精彩世界.
这篇CFSDN的博客文章python3实现常见的排序算法(示例代码)由作者收集整理,如果你对这篇文章有兴趣,记得点赞哟.
冒泡排序是一种简单的排序算法。它重复地走访过要排序的数列,一次比较两个元素,如果它们的顺序错误就把它们交换过来。走访数列的工作是重复地进行直到没有再需要交换,也就是说该数列已经排序完成。这个算法的名字由来是因为越小的元素会经由交换慢慢“浮”到数列的顶端.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
|
def
mao(lst):
for
i
in
range
(
len
(lst)):
# 由于每一轮结束后,总一定有一个大的数排在后面
# 而且后面的数已经排好了
# 即i轮之后,就有i个数字被排好
# 所以其 len-1 -i到 len-1的位置是已经排好的了
# 只需要比较0到len -1 -i的位置即可
# flag 用于标记是否刚开始就是排好的数据
# 只有当flag状态发生改变时(第一次循环就可以确定),继续排序,否则返回
flag
=
false
for
j
in
range
(
len
(lst)
-
i
-
1
):
if
lst[j] > lst[j
+
1
]:
lst[j], lst[j
+
1
]
=
lst[j
+
1
], lst[j]
flag
=
true
# 非排好的数据,改变flag
if
not
flag:
return
lst
return
lst
print
(mao([
1
,
5
,
55
,
4
,
5
,
1
,
3
,
4
,
5
,
8
,
62
,
7
]))
|
选择排序是一种简单直观的排序算法。它的工作原理:首先在未排序序列中找到最小(大)元素,存放到排序序列的起始位置,然后,再从剩余未排序元素中继续寻找最小(大)元素,然后放到已排序序列的末尾。以此类推,直到所有元素均排序完毕.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
|
# 选择排序是从前开始排的
# 选择排序是从一个列表中找出一个最小的元素,然后放在第一位上。
# 冒泡排序类似
# 其 0 到 i的位置是排好的,只需要排i+1到len(lst)-1即可
def
select_sort(lst):
for
i
in
range
(
len
(lst)):
min_index
=
i
# 用于记录最小的元素的索引
for
j
in
range
(i
+
1
,
len
(lst)):
if
lst[j] < lst[min_index]:
min_index
=
j
# 此时,已经确定,min_index为 i+1 到len(lst) - 1 这个区间最小值的索引
lst[i], lst[min_index]
=
lst[min_index], lst[i]
return
lst
def
select_sort2(lst):
# 第二种选择排序的方法
# 原理与第一种一样
# 不过不需要引用中间变量min_index
# 只需要找到索引i后面的i+1到len(lst)的元素即可
for
i
in
range
(
len
(lst)):
for
j
in
range
(
len
(lst)
-
i):
# lst[i + j]是一个i到len(lst)-1的一个数
# 因为j <= len(lst) -i 即 j + i <= len(lst)
if
lst[i] > lst[i
+
j]:
# 说明后面的数更小,更换位置
lst[i], lst[i
+
j]
=
lst[i
+
j], lst[i]
return
lst
print
(select_sort([
1
,
5
,
55
,
4
,
5
,
1
,
3
,
4
,
5
,
8
,
62
,
7
]))
print
(select_sort2([
1
,
5
,
55
,
4
,
5
,
1
,
3
,
4
,
5
,
8
,
62
,
7
]))
|
快速排序是通过一趟排序将待排记录分隔成独立的两部分,其中一部分记录的关键字均比另一部分的关键字小,则可分别对这两部分记录继续进行排序,以达到整个序列有序.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
|
# 原理
# 1. 任取列表中的一个元素i
# 2. 把列表中大于i的元素放于其右边,小于则放于其左边
# 3. 如此重复
# 4. 直到不能在分,即只剩1个元素了
# 5. 然后将这些结果组合起来
def
quicksort(lst):
if
len
(lst) <
2
:
# lst有可能为空
return
lst
# ['pɪvət] 中心点
pivot
=
lst[
0
]
less_lst
=
[i
for
i
in
lst[
1
:]
if
i <
=
pivot]
greater_lst
=
[i
for
i
in
lst[
1
:]
if
i > pivot]
# 最后的结果就是
# 左边的结果 + 中间值 + 右边的结果
# 然后细分 左+中+右 + 中间值 + 左 + 中+ 右
# ........... + 中间值 + ............
return
quicksort(less_lst)
+
[pivot]
+
quicksort(greater_lst)
print
(quicksort([
1
,
5
,
55
,
4
,
5
,
1
,
3
,
4
,
5
,
8
,
62
,
7
]))
print
(quicksort([
1
,
5
,
8
,
62
]))
|
插入排序的算法描述是一种简单直观的排序算法。它的工作原理是通过构建有序序列,对于未排序数据,在已排序序列中从后向前扫描,找到相应位置并插入.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
|
# lst的[0, i) 项是有序的,因为已经排过了
# 那么只需要比对第i项的lst[i]和lst[0 : i]的元素大小即可
# 假如,lst[i]大,则不用改变位置
# 否则,lst[i]改变位置,插到j的位置,而lst[j]自然往后挪一位
# 然后再删除lst[i+1]即可(lst[i+1]是原来的lst[i])
#
# 重复上面步骤即可,排序完成
def
insert_sort(lst:
list
):
# 外层开始的位置从1开始,因为从0开始都没得排
# 只有两个元素以上才能排序
for
i
in
range
(
1
,
len
(lst)):
# 内层需要从0开始,因为lst[0]的位置不一定是最小的
for
j
in
range
(i):
if
lst[i] < lst[j]:
lst.insert(j, lst[i])
# lst[i]已经插入到j的位置了,j之后的元素都往后+1位,所以删除lst[i+1]
del
lst[i
+
1
]
return
lst
print
(insert_sort([
1
,
5
,
55
,
4
,
5
,
1
,
3
,
4
,
5
,
8
,
62
,
7
]))
|
希尔排序是1959年shell发明的,第一个突破o(n2)的排序算法,是简单插入排序的改进版。它与插入排序的不同之处在于,它会优先比较距离较远的元素。希尔排序又叫缩小增量排序.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
|
# 希尔排序是对直接插入排序的优化版本
# 1. 分组:
# 每间隔一段距离取一个元素为一组
# 间隔自己确定,一般为lst的一半
# 2. 根据插入排序,把每一组排序好
# 3. 继续分组:
# 同样没间隔一段距离取一个元素为一组
# 间隔要求比 之前的间隔少一半
# 4. 再每组插入排序
# 5. 直到间隔为1,则排序完成
#
def
shell_sort(lst):
lst_len
=
len
(lst)
gap
=
lst_len
/
/
2
# 整除2,取间隔
while
gap >
=
1
:
# 间隔为0时结束
for
i
in
range
(gap, lst_len):
temp
=
lst[i]
j
=
i
# 插入排序
while
j
-
gap >
=
0
and
lst[j
-
gap] > temp:
lst[j]
=
lst[j
-
gap]
j
-
=
gap
lst[j]
=
temp
gap
/
/
=
2
return
lst
print
(shell_sort([
1
,
5
,
55
,
4
,
5
,
1
,
3
,
4
,
5
,
8
,
62
,
7
]))
# 奇数
# gap = 2
# [5, 2, 4, 3, 1]
# [5, 4, 1] [2, 3]
# [1, 4, 5, 2, 3]
# gap = 1
# [1, 2, 3, 4, 5]
# 偶数
# gap = 3
# [5, 2, 4, 3, 1, 6]
# [5, 3] [2, 1] [4,6]
# [3, 5, 1, 2, 4 , 6]
# gap = 1
# [1, 2, 3, 4, 5, 6]
|
归并排序是建立在归并操作上的一种有效的排序算法。该算法是采用分治法(divide and conquer)的一个非常典型的应用。将已有序的子序列合并,得到完全有序的序列;即先使每个子序列有序,再使子序列段间有序。若将两个有序表合并成一个有序表,称为2-路归并.
并归排序 。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
|
# 利用分治法
# 不断将lst分为左右两个分
# 直到不能再分
# 然后返回
# 将两边的列表的元素进行比对,排序然后返回
# 不断重复上面这一步骤
# 直到排序完成,即两个大的列表比对完成
def
merge(left, right):
# left 可能为只有一个元素的列表,或已经排好序的多个元素列表(之前调用过merge)
# right 也一样
res
=
[]
while
left
and
right:
item
=
left.pop(
0
)
if
left[
0
] < right[
0
]
else
right.pop(
0
)
res.append(item)
# 此时,left或right已经有一个为空,直接extend插入
# 而且,left和right是之前已经排好序的列表,不需要再操作了
res.extend(left)
res.extend(right)
return
res
def
merge_sort(lst):
lst_len
=
len
(lst)
if
lst_len <
=
1
:
return
lst
mid
=
lst_len
/
/
2
lst_right
=
merge_sort(lst[mid:
len
(lst)])
# 返回的时lst_len <= 1时的 lst 或 merge中进行排序后的列表
lst_left
=
merge_sort(lst[:mid])
# 返回的是lst_len <= 1时的 lst 或 merge中进行排序后的列表
return
merge(lst_left, lst_right)
# 进行排序,lst_left lst_right 的元素会不断增加
print
(merge_sort([
1
,
5
,
55
,
4
,
5
,
1
,
3
,
4
,
5
,
8
,
62
,
7
]))
|
堆排序是指利用堆这种数据结构所设计的一种排序算法。堆积是一个近似完全二叉树的结构,并同时满足堆积的性质:即子结点的键值或索引总是小于(或者大于)它的父节点。然后进行排序.
堆排序 。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
|
# 把列表创成一个大根堆或小根堆
# 然后根据大(小)根堆的特点:根节点最大(小),逐一取值
#
# 升序----使用大顶堆
#
# 降序----使用小顶堆
# 本例以小根堆为例
# 列表lst = [1, 22 ,11, 8, 12, 4, 9]
# 1. 建成一个普通的堆:
# 1
# / \
# 22 11
# / \ / \
# 8 12 4 9
#
# 2. 进行调整,从子开始调整位置,要求: 父节点<= 字节点
#
# 1 1 1
# / \ 13和22调换位置 / \ 4和11调换位置 / \
# 22 11 ==============> 13 11 ==============> 13 4
# / \ / \ / \ / \ / \ / \
# 13 14 4 9 22 14 4 9 22 14 11 9
#
# 3. 取出树上根节点,即最小值,把换上叶子节点的最大值
#
# 1
# /
# ~~~~/
# 22
# / \
# 8 4
# \ / \
# 12 11 9
#
# 4. 按照同样的道理,继续形成小根堆,然后取出根节点,。。。。重复这个过程
#
# 1 1 1 4 1 4 1 4 8 1 4 8
# / / / / / /
# ~~~/ ~~~/ ~~~/ ~~~/ ~~~/ ~~~/
# 22 4 22 8 22 9
# / \ / \ / \ / \ / \ / \
# 8 4 8 9 8 9 12 9 12 9 12 11
# \ / \ \ / \ \ / \ / / /
# 12 11 9 12 11 22 12 11 22 11 11 22
#
# 续上:
# 1 4 8 9 1 4 8 9 1 4 8 9 11 1 4 8 9 11 1 4 8 9 11 12 ==> 1 4 8 9 11 12 22
# / / / / /
# ~~~/ ~~~/ ~~~/ ~~~/ ~~~/
# 22 11 22 12 22
# / \ / \ / /
# 12 11 12 22 12 22
#
# 代码实现
def
heapify(lst, lst_len, i):
"""创建一个堆"""
less
=
i
# largest为最大元素的索引
left_node_index
=
2
*
i
+
1
# 左子节点索引
right_node_index
=
2
*
i
+
2
# 右子节点索引
# lst[i] 就是父节点(假如有子节点的话):
#
# lst[i]
# / \
# lst[2*i + 1] lst[ 2*i + 2]
#
# 想要大根堆,即升序, 将判断左右子节点大小的 ‘>' 改为 ‘<' 即可
#
if
left_node_index < lst_len
and
lst[less] > lst[left_node_index]:
less
=
left_node_index
if
right_node_index < lst_len
and
lst[less] > lst[right_node_index]:
# 右边节点最小的时候
less
=
right_node_index
if
less !
=
i:
# 此时,是字节点大于父节点,所以相互交换位置
lst[i], lst[less]
=
lst[less], lst[i]
# 交换
heapify(lst, lst_len, less)
# 节点变动了,需要再检查一下
def
heap_sort(lst):
res
=
[]
i
=
len
(lst)
lst_len
=
len
(lst)
for
i
in
range
(lst_len,
-
1
,
-
1
):
# 要从叶节点开始比较,所以倒着来
heapify(lst, lst_len, i)
# 此时,已经建好了一个小根树
# 所以,交换元素,将根节点(最小值)放在后面,重复这个过程
for
j
in
range
(lst_len
-
1
,
0
,
-
1
):
lst[
0
], lst[j]
=
lst[j], lst[
0
]
# 交换,最小的放在j的位置
heapify(lst, j,
0
)
# 再次构建一个[0: j)小根堆 [j: lst_len-1]已经倒序排好了
return
lst
arr
=
[
1
,
5
,
55
,
4
,
5
,
1
,
3
,
4
,
5
,
8
,
62
,
7
]
print
(heap_sort(arr))
|
参考:
十大经典排序算法(动图演示) 数据结构与算法-排序篇-Python描述 。
动图可以点击这里查看 。
我的github 我的博客 我的笔记 。
到此这篇关于python3实现常见的排序算法(示例代码)的文章就介绍到这了,更多相关python排序算法内容请搜索我以前的文章或继续浏览下面的相关文章希望大家以后多多支持我! 。
原文链接:https://www.cnblogs.com/lczmx/p/14967008.html 。
最后此篇关于python3实现常见的排序算法(示例代码)的文章就讲到这里了,如果你想了解更多关于python3实现常见的排序算法(示例代码)的内容请搜索CFSDN的文章或继续浏览相关文章,希望大家以后支持我的博客! 。
新建表: create table [表名] ( [自动编号字段] int IDENTITY (1,1)&nbs
我的文件中有正在本地化的字符串。其中许多是常见的,并且已经在整个 iOS 中使用。例如。 “保存”、“加载”、“返回”、“收藏夹”、“拍照”。为了与其他应用程序和内置应用程序提供一致的用户体验,是否有
我已经学习了 Qt 的基础知识,现在对这个漂亮的库的深度感兴趣。请帮助我理解: 所有类都是从QObject派生的吗? 为什么可以在QWidget(和派生类)上绘画? return app.exec()
我在 webpack 中设置了一个自调用函数,并使用常见的 JS 来需要一些包: (function() { var $ = require("jquery"); //...my functi
我正在尝试制作一个大量使用词性标记的应用程序。但是 nltk 的 pos 标记功能对我来说似乎不符合标准 - 例如: import nltk text = "Obama delivers his fi
有没有办法处理发送到 MySQL 的常见查询以防止不必要的带宽使用? 最佳答案 选项是: 使用MySQL缓存查询 好:全自动 差:仍然需要访问数据库服务器;有一次缓存让我在一个项目中失望,花了很长时间
关闭。这个问题需要更多focused .它目前不接受答案。 想改进这个问题吗? 更新问题,使其只关注一个问题 editing this post . 关闭 4 年前。 Improve this qu
关闭。这个问题需要debugging details .它目前不接受答案。 想改善这个问题吗?更新问题,使其成为 on-topic对于堆栈溢出。 6年前关闭。 Improve this questio
我正在尝试调用返回 csv 文件的网络服务。因此,我调用的每个 URL 都有一个后缀,它是一个字符串,表示要生成哪个 csv。然后我想将此 csv 保存到文件中。有很多要生成,所以我从多个线程调用此类
流行手机型号支持的典型触摸点数量是多少?我在基础研究中看到低至 2 和高至 5,但我希望能够将其映射到实际手机和更好的限制! 最佳答案 两部手机的触控点数据: Galaxy S 5 LG
出于好奇 - 我知道有 LAMP - Linux、Apache、MySQL 和 PHP。但是还有哪些其他 Web 堆栈替代方案的缩写呢?像 LAMR - Linux、Apache、MySQL Ruby
我写了一个java代码(使用apache common vfs2)来上传文件到SFTP服务器。最近,我在我的服务器上引入了 PGP 安全性。现在,java 代码无法连接到该服务器。与 FileZill
由于 GLU 被认为对于现代 OpenGL (3.1+) 来说已经过时,那么使用 C/C++ 在 OpenGL 中绘制基本形状(例如椭圆或弧线/饼图)的方法是什么?令人难以置信的是,在 OpenGL
我想知道是否有最流行的 iOS 应用程序的自定义 URL 方案列表,例如 Keynote、Numbers、Pages、Evernote 等。我还想知道这些应用程序使用什么参数网址。 我需要这个的原因是
我正在使用 NDK r10d 移植 C++ myToll Linux 应用程序以在 Android 上运行。 (请注意,这不是带有 apk 的 Android 应用程序,而是从 shell 运行的实用
假设您想要使用 UML 2 部署图为在该领域没有太多知识的人可视化一个常见的 PHP 服务器应用程序。这样一个通用的应用程序可能有三个设备节点(数据库服务器、Web 服务器和客户端)和四个执行环境节点
我正在尝试运行以下代码,以找到两个人之间的共同 friend 。输入如下 A : B C D B : A C D E C : A B D E D : A B C E E : B C D 我无法在输出文
我在 Gitolite 的 manual 中找到的唯一东西在钩子(Hook)上,是: If you want to add your own hook, it's easy as long as it
具体来说,我有一个问题,在 AWS 环境中组织 AZ 故障转移的推荐方法是什么。此外,最好了解典型的 AWS 故障以组织应用程序 HA(高可用性)。 因此,应用程序架构(AWS 服务使用)如下: 它或
我正在尝试编写一个通用的 SecurePagingAndSorting 存储库,它将检查 CRUD 操作的安全性,以节省在所有 JPA 存储库中重复相同的 PreAuthorize(使用不同的权限)。
我是一名优秀的程序员,十分优秀!