python之算法
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了python之算法，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含5974字，纯文字阅读大概需要9分钟。
内容图文
python之算法
这个合格程序员还是需要熟练掌握一些算法的，今天主要介绍一些排序算法
递归是算法中一个比较核心的概念，有三个特点，
-
1 调用自身
-
2 具有结束条件
-
3 代码规模逐渐减少
以下四个函数只有两个为递归
这里需要注意一些 fun3和fun4输出的结果是不一样的
fun3：5，4，3，2，1
fun4：1，2，3，4，5
也只有3和4是递归
这里介绍一个汉诺塔的问题：
def hanoi(n , A , B , C):
# n 个盘子从A经过B 到C
if n >0:
hanoi（n-1,A , C ,B）
print("%s --->%S"%(A , C))
hanoi(n-1 , B , A ,C )
hanoi(4 , A , B ,C)
两个概念：时间复杂度和空间复杂度
时间复杂度：用于体现算法执行时间的快慢，用O表示。一般常用的有：几次循环就为O(n几次方) 循环减半的O(logn)
空间复杂度：用来评估算法内存占用大小的一个式子，通常情况下会选择使用空间换时间
e.g 列表查找：从列表中查找指定元素
输入：列表、待查找元素
输出：元素下标或未查找到元素
version 1 顺序查找：从列表中的第一个元素开始，顺序进行搜索，直到找到为止，复杂度为O(n)
version 2 二分查找：从有序列表中，通过待查值与中间值比较，以减半的方式进行查找，复杂度为O(logn)
代码如下：
list = [1,2,3,4,5,6,7,8,9]
element = 7
def ord_sear(list,element):
for i in range(0,len(list)):
if list[i] == element:
print('list[{0}]={1}'.format(i,element))
return i
else:
print('not found')
def bin_sear(list,element):
low = 0
high = len(list)-1
while low<=high:
mid = (low+high)//2
if element == list[mid]:
print('list[{0}]={1}'.format(mid,element))
return mid
elif element > list[mid]:
low =mid +1
else:
high =mid -1
return None
i = bin_sear(list,element)
j = ord_sear(list,element)
二分查找虽然在时间复杂度上优于顺序查找，但是有比较苛刻的条件，即列表必须为有序的。下面将介绍列表排序：
首先介绍的是最简单的三种排序方式：（low B三人组）
-
1 冒泡排序
-
2 选择排序
-
3 插入排序
写一个计算时间的装饰器
import time
def cal_time(func):
def wrapper(*args , **kwargs):
t1 = time.time()
result = func(*args , **kwargs)
t2 = time.time()
print("%s running time : %s secs " %(func.__name__ , t2-t1))
return result
return wrapper
冒泡排序：时间复杂度: O(n²)
（思路）：首先，列表每俩个相邻的数，如果前面的比后面的大，那么交换这俩个数.......
from cal_time import cal_time
@cal_time
def bubble_sort(li):
for i in range(0 , len(li)-1):
# i 表示第i趟 有序区有i个数
for j in range(0 , len(li)-i-1):
if li[j] > li[j+1]:
li[j],li[j+1] = li[j+1] , li[j]
import random
li = list(range(1000))
random.shuffle(li)
bubble_sort(li)
print(li)
小优化一下
如果冒泡排序中执行一趟而没有交换，则列表已经是有序状态，可以直接结束
def bubble_sort2(li):
for i in range(0 , len(li)-1):
# i 表示第i趟 有序区有i个数
exchange = False
for j in range(0 , len(li)-i-1):
if li[j] > li[j+1]:
li[j],li[j+1] = li[j+1] , li[j]
exchange = True
if not exchange:
return
选择排序：时间复杂度: O(n²)
一趟遍历记录最小的数，放到第一个位置
再一趟遍历剩下列表中最小的数，继续放置：
from cal_time import cal_time
@cal_time
def select_sort(li):
for i in range(len(li)-1):
# 第i趟 ， 有序区li[0:i] 无序区li[i : n]
min_loc = i
for j in range(i+1, len(li)):
if li[min_loc] > li[j]:
min_loc = j
li[min_loc], li[i] = li[i], li[min_loc]
import random
li = list(range(10000))
random.shuffle(li)
select_sort(li)
print(li)
插入排序 时间复杂度： O(n²)
列表被分为有序区和无序区俩个部分，最初的有序区只有一个元素.
每次无序区选择一个元素，插入到有序区的位置，直到无序区变空
from cal_time import cal_time
@cal_time
def insert_sort(li):
for i in range(1 , len(li)):
# i 既表达趟数， 又表达摸到排的下标
j = i - 1
tmp = li[i]
while j >=0 and li[j] > tmp:
li[j+1] = li[j]
j = j -1
li[j + 1] = tmp
import random
li = list(range(10000))
random.shuffle(li)
insert_sort(li)
print(li)
牛逼三人组
- 快速排序
- 堆排序
- 归并排序
快速排序
快速排序思路
- 取一个元素p（第一个元素），使得元素p归位
- 列表被p分成俩部分，左边都比p小， 右边都比p大
- 递归完成排序
from cal_time import cal_time
def _quick_sort(li , left , right):
if left < right:
mid = partition(li , left , right)
_quick_sort(li, left, mid-1)
_quick_sort(li, mid+1 , right)
@cal_time
def quick_sort(li):
_quick_sort(li , 0 , len(li)-1)
def partition(data , left , right):
tmp = data[left]
while left < right:
while left < right and data[right] >= tmp:
right -= 1
data[left] = data[right]
while left < right and data[left] <= tmp:
left += 1
data[right] = data[left]
data[left] = tmp
return left
import random
li = list(range(10000))
random.shuffle(li)
quick_sort(li)
print(li)
堆排序
树：
树是一种数据结构（比如目录），树是一种可以递归的数据结构，相关的概念有根节点、叶子节点，树的深度（高度），树的度（最多的节点），孩子节点/父节点，子树等。
在树中最特殊的就是二叉树（度不超过2的树），二叉树又分为满二叉树和完全二叉树，见下图：
知道了树就可以说说堆了，堆分为大根堆和小根堆，分别的定义为：一棵完全二叉树，满足任一节点都比其孩子节点大或者小。
堆排序过程：
- 建立堆
- 得到堆顶元素，为最大元素
- 去掉堆顶，将堆最后一个元素放到堆顶，此时可以通过一次调整重新使堆变的有序
- 堆顶元素为第二大元素
- 重复步骤3，直到堆变空
from cal_time import cal_time
def sift(li, low, high):
tmp = li[low]# 原省长
i = low
j = 2 * i + 1
while j <= high: #第二种退出条件： j > high
if j < high and li[j+1] > li[j]: # 如果左孩子存在大于右孩子
j += 1
if tmp < li[j]:
li[i] = li[j]
i = j
j = 2 * i + 1
else: # 第一种退出条件：li[j] <=tmp
li[i] = tmp
break
li[i] = tmp
@cal_time
def heap_sort(li):
n = len(li)
#1 建堆
for i in range(n // 2 - 1, -1, -1):
sift(li , 0 , i-1)
# 2 挨个出数
for i in range(n-1, -1, -1): #i 表示此时堆的high的位置
li[0], li[i] = li[i], li[0] # 退休 + 旗子
sift(li , 0 , i-1)
import random
li = list(range(10000))
random.shuffle(li)
heap_sort(li)
print(li)
内置模块
归并排序：
假设列表中可以被分成两个有序的子列表，如何将这两个子列表合成为一个有序的列表成为归并
原理
from cal_time import cal_time
# 一次归并
def merge(li , low , mid , high):
i = low
j = mid + 1
ltmp = []
while i <= mid and j <= high:
if li[i] <= li[j]:
ltmp.append(li[i])
i += 1
else:
ltmp.append(li[j])
j += 1
while i <= mid:
ltmp.append(li[i])
i += 1
while j <= high:
j += 1
li[low:high+1] = ltmp
@cal_time
def merge_sort(li, low , high):
if low > high:
mid = (low + high) // 2
merge_sort(li , low , mid)
merge_sort(li,mid+1 , high)
merge(li ,low , mid, high)
快排，堆排，归并的总结：
- 时间复杂度都是O(nlogn)
- 快排<归并<堆排（一般情况）
- 快排的缺点：极端情况效率较低，可到O(n^2),归并则是需要额外的开销，堆排则在排序算法中相对较慢
内容总结
以上是互联网集市为您收集整理的python之算法全部内容，希望文章能够帮你解决python之算法所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。