Python实现基本算法

ゞ浴缸里的玫瑰 2023-08-17 15:15 142阅读 0赞

### 1.顺序查找 ###

*  当数据存储在诸如列表的集合中时，我们说这些数据具有线性或顺序关系。 每个数据元素都存储在相对于其他数据元素的位置。 由于这些索引值是有序的，我们可以按顺序访问它们。 这个过程产实现的搜索即为顺序查找。
 *  顺序查找原理剖析：
    
     *  从列表中的第一个元素开始，我们按照基本的顺序排序，简单地从一个元素移动到另一个元素，直到找到我们正在寻找的元素或遍历完整个列表。如果我们遍历完整个列表，则说明正在搜索的元素不存在。
 *  代码实现：该函数需要一个列表和我们正在寻找的元素作为参数，并返回一个是否存在的布尔值。found 布尔变量初始化为 False，如果我们发现列表中的元素，则赋值为 True。
    
        1 def search(alist,item):
         2     find = False
         3     cur = 0
         4     while cur < len(alist):
         5         if alist[cur] == item:
         6             find = True
         7             break
         8         else:
         9             cur += 1
        10     return find

### 2.二分查找 ###

*  有序列表对于我们的实现搜索是很有用的。在顺序查找中，当我们与第一个元素进行比较时，如果第一个元素不是我们要查找的，则最多还有 n-1 个元素需要进行比较。
 *  二分查找则是从中间元素开始，而不是按顺序查找列表。 如果该元素是我们正在寻找的元素，我们就完成了查找。 如果它不是，我们可以使用列表的有序性质来消除剩余元素的一半。

如果我们正在查找的元素大于中间元素，就可以消除中间元素以及比中间元素小的一半元素。如果该元素在列表中，肯定在大的那半部分。然后我们可以用大的半部分重复该过程，继续从中间元素开始，将其与我们正在寻找的内容进行比较。

1 def search(alist,item):
     2     left = 0
     3     right = len(alist) - 1
     4     find = False
     5     
     6     while left <= right:
     7         mid_index = (left + right)//2
     8         if item == alist[mid_index]:
     9             find = True
    10             break
    11         else:
    12             if item > alist[mid_index]:
    13                 left = mid_index + 1
    14             else:
    15                 right = mid_index -1
    16         
    17     return find

### 3.冒泡排序 ###

#### 原理： ####

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.  对每一对相邻元素做同样的工作，从开始第一对到结尾的最后一对。在这一点，最后的元素应该会是最大的数。
3.  针对所有的元素重复以上的步骤，除了最后一个。
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。

![1492569-20190703113551517-1491134176.gif][]

1 def sort(alist):
    2     length = len(alist)
    3     for i in range(0,length-1):
    4         for j in range(0,length-1-i):
    5             if alist[i] > alist[i+1]:
    6                 alist[i],alist[i+1] = alist[i+1],alist[i]

### 4.选择排序 ###

**工作原理**：第一次从待排序的数据元素中选出最小（或最大）的一个元素，存放在序列的起始位置，然后再从剩余的未排序元素中寻找到最小（大）元素，然后放到已排序的序列的末尾。以此类推，直到全部待排序的数据元素的个数为零。选择排序是不稳定的排序方法。

![1492569-20190703120118369-1127598936.gif][]

1 def sort(alist):
    2     length = len(alist)
    3     for j in range(length-1,0,-1):
    4         max_index = 0
    5         for i in range(1,j+1):
    6             if alist[max_index] < alist[i]:
    7                 max_index = i
    8         alist[max_index],alist[j] = alist[j],alist[max_index]
    9

### 5.插入排序 ###

#### 原理： ####

基本思想是，每步将一个待排序的记录，按其关键码值的大小插入前面已经排序的文件中适当位置上，直到全部插入完为止。关键码是数据元素中某个数据项的值，用它可以标

示一个数据元素。

![1492569-20190703122224679-1684404856.gif][]

1 def sort(alist):
     2     length = len(alist)
     3     for j in range(1,length):
     4         i = j
     5         while i > 0:
     6             if alist[i] < alist[i-1]:
     7                 alist[i],alist[i-1] = alist[i-1],alist[i]
     8                 i -= 1
     9             else:
    10                 break
    11

#### 希尔排序(Shell's Sort)是插入排序的一种又称“缩小增量排序”（Diminishing Increment Sort），是直接插入排序算法的一种更高效的改进版本。希尔排序是非稳定排序算法。 ####

该方法的基本思想是：先将整个待排元素序列分割成若干个子序列（由相隔某个“增量（gap）”的元素组成的）分别进行直接插入排序，然后依次缩减增量再进行排序，待整个序列中的元素基本有序（增量足够小）时，再对全体元素进行一次直接插入排序。因为直接插入排序在元素基本有序的情况下（接近最好情况），效率是很高的，因此希尔排序在时间效率比直接插入排序有较大提高。

1 def sort(alist):
     2     gap = len(alist)//2
     3     while gap >= 1:
     4         for j in range(gap,len(alist)):
     5             i = j
     6             while i > 0:
     7                 if alist[i] < alist[i-gap]:
     8                     alist[i],alist[i-gap] = alist[i-gap],alist[i]
     9                     i -= gap
    10                 else:
    11                     break
    12         gap = gap // 2

### 6.快速排序 ###

**基本思想是**：通过一趟排序将要排序的数据分割成独立的两部分，其中一部分的所有数据都比另外一部分的所有数据都要小，然后再按此方法对这两部分数据分别进行快速排序，整个排序过程可以递归进行，以此达到整个数据变成有序序列。

![1492569-20190703123338113-1347935341.gif][]

1 def sort(alist,start,end):
     2     low = start
     3     high = end
     4     if low >= high:
     5         return
     6     mid = alist[low]
     7     while low < high:
     8         while low < high:
     9             if alist[high] >= mid:
    10                 high -= 1
    11             else:
    12                 alist[low] = alist[high]
    13                 break
    14         while low < high:
    15             if alist[low] < mid:
    16                 low += 1
    17             else:
    18                 alist[high] = alist[low]
    19                 break
    20     alist[low] = mid
    21     sort(alist,start,low-1)
    22     sort(alist,high+1,end)

### 7.归并排序 ###

归并排序（MERGE-SORT）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。![1492569-20190703163048443-1068095543.gif][]

1 def merge_sort(alist):
     2     n = len(alist)
     3     #结束递归的条件
     4     if n <= 1:
     5         return alist
     6     #中间索引
     7     mid = n//2
     8 
     9     left_li = merge_sort(alist[:mid])
    10     right_li = merge_sort(alist[mid:])
    11 
    12     #指向左右表中第一个元素的指针
    13     left_pointer,right_pointer = 0,0
    14     #合并数据对应的列表：该表中存储的为排序后的数据
    15     result = []
    16     while left_pointer < len(left_li) and right_pointer < len(right_li):
    17         #比较最小集合中的元素，将最小元素添加到result列表中
    18         if left_li[left_pointer] < right_li[right_pointer]:
    19             result.append(left_li[left_pointer])
    20             left_pointer += 1
    21         else:
    22             result.append(right_li[right_pointer])
    23             right_pointer += 1
    24     #当左右表的某一个表的指针偏移到末尾的时候，比较大小结束，将另一张表中的数据（有序）添加到result中
    25     result += left_li[left_pointer:]
    26     result += right_li[right_pointer:]
    27 
    28     return result
    29 
    30 alist = [3,8,5,7,6]
    31 print(merge_sort(alist))

### 8.各个算法的时间复杂度 ###

![1492569-20190714175120324-561869781.png][]

转载于:https://www.cnblogs.com/ppf3678/p/11127347.html

[1492569-20190703113551517-1491134176.gif]: /images/20230810/cb3842317f6f425d8a782bdbdcfcaf5c.png
[1492569-20190703120118369-1127598936.gif]: /images/20230810/55948bed96a14dc49d0e68b27c73e58e.png
[1492569-20190703122224679-1684404856.gif]: /images/20230810/d69f4d2646f548a9b302336a19572415.png
[1492569-20190703123338113-1347935341.gif]: /images/20230810/a2c73fd9691f49ab98d3ff29058b9209.png
[1492569-20190703163048443-1068095543.gif]: /images/20230810/2fa9271632784791a6706531174fe660.png
[1492569-20190714175120324-561869781.png]: /images/20230810/a948caa4c9fb4151b205fc8967df3981.png