#2018-06-02 June Saturday the 22 week, the 153 day SZ #数组排序算法大全用Python3实现 #参考https://www.cnblogs.com/zhizhan/p/4549099.html ''' 算法1:冒泡法:让两数比较大的值一直滚动到最右侧,类似泡泡一直往上飘每次滚动都要进行比较 思路: 步骤: 1.比较相邻的元素。如果第一个比第二个大,就交换他们两个。 2.对第0个到第n-1个数据做同样的工作。这时,最小的数就“浮”到了数组最左边位置上 3.针对所有的元素重复以上的步骤,除了单一个。 4.持续每次对越来越少的元素重复上面的步骤,直到没有任何一对数字需要比较。 ''' class Solution(object): def selectSort(self,array): n = len(array) for i in range(n): #一次for循环,直接从i+1计算,就不算i前面已经排好序的数值 for j in range(1, n-i): #一次for循环确定一次最小值 if array[j-1] > array[j]: #和选择排序法的核心区别 array[j-1],array[j] = array[j], array[j-1] return array my_solution = Solution() a = [9,3,8,5] b = my_solution.selectSort(a) print("sequence is:", b) ''' 算法2: 选择排序:保持最小元素在最左侧,用最左侧的元素依次和右边的元素比较,谁小谁放在左边。 步骤: 1.在未排序序列中找到最小元素,存放到排序序列的起始位置。 2.再从剩余未排序元素中继续寻找最小元素,然后放到已排序序列的末尾。 3.以此类推,直到所有元素均排序完毕。 ''' class Solution(object): def selectSort(self,a): for i in range(len(a)): #一次for循环,直接从i+1计算,就不算i前面已经排好序的数值 for j in range(i + 1, len(a)): #一次for循环确定一个最小值.通过让i对应的值和i之后的每个值进行比较,让a[i]处于最小值 if a[i] > a[j]: #保持a[i]最小 a[i],a[j] = a[j], a[i] return a my_solution = Solution() a = [9,3,8,5] b = my_solution.selectSort(a) print("sequence is:", b) ''' 三、插入排序 InsertionSort,有些复杂,没有理解,问题 介绍: 插入排序的工作原理是,对于每个未排序数据,在已排序序列中从后向前扫描,找到相应位置并插入。 步骤: 1.从第一个元素开始,该元素可以认为已经被排序 2.取出下一个元素,在已经排序的元素序列中从后向前扫描 3.如果被扫描的元素(已排序)大于新元素,将该元素后移一位 4.重复步骤3,直到找到已排序的元素小于或者等于新元素的位置 5.将新元素插入到该位置后 6.重复步骤2~5 ''' class Solution(object): def insertSort(self,array): length = len(array) for i in range(1, length): if array[i-1] > array[i]: temp = array[i] index = i for j in range(i -1,-1,-1): if array[j] > temp: array[j+1] = array[j] index = j else: break array[index] = temp #temp时刻保持最小值,index是最小值的索引 return array my_solution = Solution() array = [9,3,8,5] sorted_array = my_solution.insertSort(array) print(sorted_array) ''' 四、希尔排序 ShellSort 复杂,不好实现。问题,思路理解,程序无法理解。 介绍: 希尔排序,也称递减增量排序算法,实质是分组插入排序。由 Donald Shell 于1959年提出。希尔排序是非稳定排序算法。源码的步长的选择是从n/2开始,每次再减半,直至为0。 希尔排序的基本思想是:将数组列在一个表中并对列分别进行插入排序,重复这过程,不过每次用更长的列(步长更长了,列数更少了)来进行。最后整个表就只有一列了。将数组转换至表是为了更好地理解这算法,算法本身还是使用数组进行排序。 例如,假设有这样一组数[ 13 14 94 33 82 25 59 94 65 23 45 27 73 25 39 10 ], 如果我们以步长为5开始进行排序,我们可以通过将这列表放在有5列的表中来更好地描述算法,这样他们就应该看起来是这样: 13 14 94 33 82 25 59 94 65 23 45 27 73 25 39 10 然后我们对每列进行排序: 10 14 73 25 23 13 27 94 33 39 25 59 94 65 82 45 将上述四行数字,依序接在一起时我们得到:[ 10 14 73 25 23 13 27 94 33 39 25 59 94 65 82 45 ]。这时10已经移至正确位置了,然后再以3为步长进行排序: 10 14 73 25 23 13 27 94 33 39 25 59 94 65 82 45 排序之后变为: 10 14 13 25 23 33 27 25 59 39 65 73 45 94 82 94 最后以1步长进行排序(此时就是简单的插入排序了)。 ''' class Solution(object): def shellSort(self,array): len_array = len(array) step = round(len_array/2) #初始步长为数组的一半,round函数用来四舍五入的 while step > 0: for i in range(step, len_array): temp = array[i] j= i while(j >= step and array[j - step] > temp): array[j] = array[j-step] j = j - step array[j] = temp step = round(step/2) #重新设置步长 return array my_solution = Solution() a = [9,3,8,5] b = my_solution.shellSort(a) print("sequence is:", b) ''' 五、归并排序 MergeSort 问题 介绍: 归并排序是采用分治法的一个非常典型的应用。归并排序的思想就是先递归分解数组,再合并数组。 先考虑合并两个有序数组,基本思路是比较两个数组的最前面的数,谁小就先取谁,取了后相应的指针就往后移一位。然后再比较,直至一个数组为空,最后把另一个数组的剩余部分复制过来即可。 再考虑递归分解,基本思路是将数组分解成left和right,如果这两个数组内部数据是有序的,那么就可以用上面合并数组的方法将这两个数组合并排序。如何让这两个数组内部是有序的?可以再二分,直至分解出的小组只含有一个元素时为止,此时认为该小组内部已有序。然后合并排序相邻二个小组即可。 ''' def merge_sort(ary): if len(ary) <= 1 : return ary num = int(len(ary)/2) #二分分解 left = merge_sort(ary[:num]) right = merge_sort(ary[num:]) return merge(left,right) #合并数组 def merge(left,right): '''合并操作, 将两个有序数组left[]和right[]合并成一个大的有序数组''' l,r = 0,0 #left与right数组的下标指针 result = [] while l<len(left) and r<len(right) : if left[l] < right[r]: result.append(left[l]) l += 1 else: result.append(right[r]) r += 1 result += left[l:] result += right[r:] return result a = [9,3,8,5] b = merge_sort(a) print("sequence is:", b) ''' 六、快速排序 QuickSort 介绍: 快速排序通常明显比同为Ο(n log n)的其他算法更快,因此常被采用,而且快排采用了分治法的思想,所以在很多笔试面试中能经常看到快排的影子。可见掌握快排的重要性。 步骤: 1.从数列中挑出一个元素作为基准数。 2.分区过程,将比基准数大的放到右边,小于或等于它的数都放到左边。 3.再对左右区间递归执行第二步,直至各区间只有一个数。 ''' def quick_sort(ary): return qsort(ary,0,len(ary)-1) def qsort(ary,left,right): #快排函数,ary为待排序数组,left为待排序的左边界,right为右边界 if left >= right : return ary key = ary[left] #取最左边的为基准数 lp = left #左指针 rp = right #右指针 while lp < rp : while ary[rp] >= key and lp < rp : rp -= 1 while ary[lp] <= key and lp < rp : lp += 1 ary[lp],ary[rp] = ary[rp],ary[lp] ary[left],ary[lp] = ary[lp],ary[left] qsort(ary,left,lp-1) qsort(ary,rp+1,right) return ary a = [9,3,8,5] b = quick_sort(a) print("sequence is:", b) ''' 七、堆排序 HeapSort 介绍: 堆排序在 top K 问题中使用比较频繁。堆排序是采用二叉堆的数据结构来实现的,虽然实质上还是一维数组。二叉堆是一个近似完全二叉树 。 二叉堆具有以下性质: 1.父节点的键值总是大于或等于(小于或等于)任何一个子节点的键值。 2.每个节点的左右子树都是一个二叉堆(都是最大堆或最小堆)。 步骤: 1.构造最大堆(Build_Max_Heap):若数组下标范围为0~n,考虑到单独一个元素是大根堆,则从下标n/2开始的元素均为大根堆。于是只要从n/2-1开始,向前依次构造大根堆,这样就能保证,构造到某个节点时,它的左右子树都已经是大根堆。 2.堆排序(HeapSort):由于堆是用数组模拟的。得到一个大根堆后,数组内部并不是有序的。因此需要将堆化数组有序化。思想是移除根节点,并做最大堆调整的递归运算。第一次将heap[0]与heap[n-1]交换,再对heap[0...n-2]做最大堆调整。第二次将heap[0]与heap[n-2]交换,再对heap[0...n-3]做最大堆调整。重复该操作直至heap[0]和heap[1]交换。由于每次都是将最大的数并入到后面的有序区间,故操作完后整个数组就是有序的了。 3.最大堆调整(Max_Heapify):该方法是提供给上述两个过程调用的。目的是将堆的末端子节点作调整,使得子节点永远小于父节点 。 ''' def heap_sort(ary) : n = len(ary) first = int(n/2-1) #最后一个非叶子节点 for start in range(first,-1,-1) : #构造大根堆 max_heapify(ary,start,n-1) for end in range(n-1,0,-1): #堆排,将大根堆转换成有序数组 ary[end],ary[0] = ary[0],ary[end] max_heapify(ary,0,end-1) return ary #最大堆调整:将堆的末端子节点作调整,使得子节点永远小于父节点 #start为当前需要调整最大堆的位置,end为调整边界 def max_heapify(ary,start,end): root = start while True : child = root*2 +1 #调整节点的子节点 if child > end : break if child+1 <= end and ary[child] < ary[child+1] : child = child+1 #取较大的子节点 if ary[root] < ary[child] : #较大的子节点成为父节点 ary[root],ary[child] = ary[child],ary[root] #交换 root = child else : break a = [9,3,8,5] b = heap_sort(a) print("sequence is:", b)
Python实现经典七种排序算法
猜你喜欢
转载自blog.csdn.net/BTUJACK/article/details/80548249
今日推荐
周排行