Python3常用排序算法 | 二分查找、线性查找、插入排序、快速排序、选择排序、冒泡排序、归并排序、堆排序、计数排序、希尔排序、拓扑排序

最新推荐文章于 2022-07-17 20:34:16 发布
最新推荐文章于 2022-07-17 20:34:16 发布
阅读量360 收藏 5
点赞数 2
分类专栏： # Python
原文链接：https://www.runoob.com/python3/python3-examples.html
版权

目录

1 二分查找

  • 说明

二分搜索是一种在有序数组中查找某一特定元素的搜索算法。搜索过程从数组的中间元素开始，如果中间元素正好是要查找的元素，则搜索过程结束；如果某一特定元素大于或者小于中间元素，则在数组大于或小于中间元素的那一半中查找，而且跟开始一样从中间元素开始比较。如果在某一步骤数组为空，则代表找不到。这种搜索算法每一次比较都使搜索范围缩小一半。

  • 图例
    在这里插入图片描述

  • 代码

# 返回 x 在 arr 中的索引，如果不存在返回 -1
def binarySearch (arr, l, r, x): 
  
    # 基本判断
    if r >= l: 
  
        mid = int(l + (r - l)/2)
  
        # 元素整好的中间位置
        if arr[mid] == x: 
            return mid 
          
        # 元素小于中间位置的元素，只需要再比较左边的元素
        elif arr[mid] > x: 
            return binarySearch(arr, l, mid-1, x) 
  
        # 元素大于中间位置的元素，只需要再比较右边的元素
        else: 
            return binarySearch(arr, mid+1, r, x) 
  
    else: 
        # 不存在
        return -1
  
# 测试数组
arr = [ 2, 3, 4, 10, 40 ] 
x = 10
  
# 函数调用
result = binarySearch(arr, 0, len(arr)-1, x) 
  
if result != -1: 
    print ("元素在数组中的索引为 %d" % result )
else: 
    print ("元素不在数组中")

结果为：元素在数组中的索引为 3

2 线性查找

  • 说明

线性查找指按一定的顺序检查数组中每一个元素，直到找到所要寻找的特定值为止。

  • 图例
    在这里插入图片描述

  • 代码

def search(arr, n, x): 
  
    for i in range (0, n): 
        if (arr[i] == x): 
            return i; 
    return -1; 
  
# 在数组 arr 中查找字符 D
arr = [ 'A', 'B', 'C', 'D', 'E' ]; 
x = 'D'; 
n = len(arr); 
result = search(arr, n, x) 
if(result == -1): 
    print("元素不在数组中") 
else: 
    print("元素在数组中的索引为", result);

结果为：元素在数组中的索引为 3

3 插入排序

  • 说明

插入排序（英语：Insertion Sort）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。

  • 图例
    在这里插入图片描述
  • 代码
def insertionSort(arr): 
  
    for i in range(1, len(arr)): 
  
        key = arr[i] 
  
        j = i-1
        while j >=0 and key < arr[j] : 
                arr[j+1] = arr[j] 
                j -= 1
        arr[j+1] = key 
  
  
arr = [12, 11, 13, 5, 6] 
insertionSort(arr) 
print ("排序后的数组:") 
for i in range(len(arr)): 
    print ("%d" %arr[i])

结果为：

排序后的数组:
5
6
11
12
13

4 快速排序

  • 说明

快速排序使用分治法（Divide and conquer）策略来把一个序列（list）分为较小和较大的2个子序列，然后递归地排序两个子序列。

步骤为：

A、挑选基准值：从数列中挑出一个元素，称为"基准"（pivot）;
B、分割：重新排序数列，所有比基准值小的元素摆放在基准前面，所有比基准值大的元素摆在基准后面（与基准值相等的数可以到任何一边）。在这个分割结束之后，对基准值的排序就已经完成;
C、递归排序子序列：递归地将小于基准值元素的子序列和大于基准值元素的子序列排序。
递归到最底部的判断条件是数列的大小是零或一，此时该数列显然已经有序。

选取基准值有数种具体方法，此选取方法对排序的时间性能有决定性影响。

  • 图例
    在这里插入图片描述
  • 代码
def partition(arr,low,high): 
    i = ( low-1 )         # 最小元素索引
    pivot = arr[high]     
  
    for j in range(low , high): 
  
        # 当前元素小于或等于 pivot 
        if   arr[j] <= pivot: 
          
            i = i+1 
            arr[i],arr[j] = arr[j],arr[i] 
  
    arr[i+1],arr[high] = arr[high],arr[i+1] 
    return ( i+1 ) 
  
 
# arr[] --> 排序数组
# low  --> 起始索引
# high  --> 结束索引
  
# 快速排序函数
def quickSort(arr,low,high): 
    if low < high: 
  
        pi = partition(arr,low,high) 
  
        quickSort(arr, low, pi-1) 
        quickSort(arr, pi+1, high) 
  
arr = [10, 7, 8, 9, 1, 5] 
n = len(arr) 
quickSort(arr,0,n-1) 
print ("排序后的数组:") 
for i in range(n): 
    print ("%d" %arr[i]),

结果为：

排序后的数组:
1
5
7
8
9
10

5 选择排序

  • 说明

选择排序（Selection sort）是一种简单直观的排序算法。它的工作原理如下。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。

  • 图例
    在这里插入图片描述
  • 代码
import sys 
A = [64, 25, 12, 22, 11] 
  
for i in range(len(A)): 
      
   
    min_idx = i 
    for j in range(i+1, len(A)): 
        if A[min_idx] > A[j]: 
            min_idx = j 
                
    A[i], A[min_idx] = A[min_idx], A[i] 
  
print ("排序后的数组：") 
for i in range(len(A)): 
    print("%d" %A[i]),

结果为：

排序后的数组：
11
12
22
25
64

6 冒泡排序

  • 说明

冒泡排序（Bubble Sort）也是一种简单直观的排序算法。它重复地走访过要排序的数列，一次比较两个元素，如果他们的顺序错误就把他们交换过来。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。

  • 图例
    在这里插入图片描述
  • 代码
def bubbleSort(arr):
    n = len(arr)
 
    # 遍历所有数组元素
    for i in range(n):
 
        # Last i elements are already in place
        for j in range(0, n-i-1):
 
            if arr[j] > arr[j+1] :
                arr[j], arr[j+1] = arr[j+1], arr[j]
 
arr = [64, 34, 25, 12, 22, 11, 90]
 
bubbleSort(arr)
 
print ("排序后的数组:")
for i in range(len(arr)):
    print ("%d" %arr[i]),

结果为：

排序后的数组:
11
12
22
25
34
64
90

7 归并排序

  • 说明

归并排序（英语：Merge sort，或mergesort），是创建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。

分治法:

分割：递归地把当前序列平均分割成两半。
集成：在保持元素顺序的同时将上一步得到的子序列集成到一起（归并）。

  • 图例
    在这里插入图片描述

  • 代码

def merge(arr, l, m, r): 
    n1 = m - l + 1
    n2 = r- m 
  
    # 创建临时数组
    L = [0] * (n1)
    R = [0] * (n2)
  
    # 拷贝数据到临时数组 arrays L[] 和 R[] 
    for i in range(0 , n1): 
        L[i] = arr[l + i] 
  
    for j in range(0 , n2): 
        R[j] = arr[m + 1 + j] 
  
    # 归并临时数组到 arr[l..r] 
    i = 0     # 初始化第一个子数组的索引
    j = 0     # 初始化第二个子数组的索引
    k = l     # 初始归并子数组的索引
  
    while i < n1 and j < n2 : 
        if L[i] <= R[j]: 
            arr[k] = L[i] 
            i += 1
        else: 
            arr[k] = R[j] 
            j += 1
        k += 1
  
    # 拷贝 L[] 的保留元素
    while i < n1: 
        arr[k] = L[i] 
        i += 1
        k += 1
  
    # 拷贝 R[] 的保留元素
    while j < n2: 
        arr[k] = R[j] 
        j += 1
        k += 1
  
def mergeSort(arr,l,r): 
    if l < r: 
  
        
        m = int((l+(r-1))/2)
  
       
        mergeSort(arr, l, m) 
        mergeSort(arr, m+1, r) 
        merge(arr, l, m, r) 
  
  
arr = [12, 11, 13, 5, 6, 7] 
n = len(arr) 
print ("给定的数组") 
for i in range(n): 
    print ("%d" %arr[i]), 
  
mergeSort(arr,0,n-1) 
print ("\n\n排序后的数组") 
for i in range(n): 
    print ("%d" %arr[i]),

结果为：

给定的数组
12
11
13
5
6
7


排序后的数组
5
6
7
11
12
13

8 堆排序

  • 说明

堆排序（Heapsort）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。堆排序可以说是一种利用堆的概念来排序的选择排序。

  • 图例
    在这里插入图片描述
  • 代码
def heapify(arr, n, i): 
    largest = i  
    l = 2 * i + 1     # left = 2*i + 1 
    r = 2 * i + 2     # right = 2*i + 2 
  
    if l < n and arr[i] < arr[l]: 
        largest = l 
  
    if r < n and arr[largest] < arr[r]: 
        largest = r 
  
    if largest != i: 
        arr[i],arr[largest] = arr[largest],arr[i]  # 交换
  
        heapify(arr, n, largest) 
  
def heapSort(arr): 
    n = len(arr) 
  
    # Build a maxheap. 
    for i in range(n, -1, -1): 
        heapify(arr, n, i) 
  
    # 一个个交换元素
    for i in range(n-1, 0, -1): 
        arr[i], arr[0] = arr[0], arr[i]   # 交换
        heapify(arr, i, 0) 
  
arr = [ 12, 11, 13, 5, 6, 7] 
heapSort(arr) 
n = len(arr) 
print ("排序后") 
for i in range(n): 
    print ("%d" %arr[i]),

结果为：

排序后
5
6
7
11
12
13

9 计数排序

  • 说明

计数排序的核心在于将输入的数据值转化为键存储在额外开辟的数组空间中。作为一种线性时间复杂度的排序，计数排序要求输入的数据必须是有确定范围的整数。

  • 图例
    在这里插入图片描述
  • 代码
def countSort(arr): 
  
    output = [0 for i in range(256)] 
  
    count = [0 for i in range(256)] 
  
    ans = ["" for _ in arr] 
  
    for i in arr: 
        count[ord(i)] += 1
  
    for i in range(256): 
        count[i] += count[i-1] 
  
    for i in range(len(arr)): 
        output[count[ord(arr[i])]-1] = arr[i] 
        count[ord(arr[i])] -= 1
  
    for i in range(len(arr)): 
        ans[i] = output[i] 
    return ans  
  
arr = "wwwrunoobcom"
ans = countSort(arr) 
print ( "字符数组排序 %s"  %("".join(ans)) )

结果为：符数组排序 bcmnoooruwww

10 希尔排序

  • 说明

希尔排序，也称递减增量排序算法，是插入排序的一种更高效的改进版本。但希尔排序是非稳定排序算法。

希尔排序的基本思想是：先将整个待排序的记录序列分割成为若干子序列分别进行直接插入排序，待整个序列中的记录"基本有序"时，再对全体记录进行依次直接插入排序。

  • 图例
    在这里插入图片描述
  • 代码
def shellSort(arr): 
  
    n = len(arr)
    gap = int(n/2)
  
    while gap > 0: 
  
        for i in range(gap,n): 
  
            temp = arr[i] 
            j = i 
            while  j >= gap and arr[j-gap] >temp: 
                arr[j] = arr[j-gap] 
                j -= gap 
            arr[j] = temp 
        gap = int(gap/2)
  
arr = [ 12, 34, 54, 2, 3] 
  
n = len(arr) 
print ("排序前:") 
for i in range(n): 
    print(arr[i]), 
  
shellSort(arr) 
  
print ("\n排序后:") 
for i in range(n): 
    print(arr[i]),

结果为：

排序前:
12
34
54
2
3

排序后:
2
3
12
34
54

11 拓扑排序

  • 说明

对一个有向无环图(Directed Acyclic Graph简称DAG)G进行拓扑排序，是将G中所有顶点排成一个线性序列，使得图中任意一对顶点u和v，若边(u,v)∈E(G)，则u在线性序列中出现在v之前。通常，这样的线性序列称为满足拓扑次序(Topological Order)的序列，简称拓扑序列。简单的说，由某个集合上的一个偏序得到该集合上的一个全序，这个操作称之为拓扑排序。

在图论中，由一个有向无环图的顶点组成的序列，当且仅当满足下列条件时，称为该图的一个拓扑排序（英语：Topological sorting）：

每个顶点出现且只出现一次；
若A在序列中排在B的前面，则在图中不存在从B到A的路径。

  • 图例
    在这里插入图片描述
  • 代码
from collections import defaultdict 
 
class Graph: 
    def __init__(self,vertices): 
        self.graph = defaultdict(list) 
        self.V = vertices
  
    def addEdge(self,u,v): 
        self.graph[u].append(v) 
  
    def topologicalSortUtil(self,v,visited,stack): 
  
        visited[v] = True
  
        for i in self.graph[v]: 
            if visited[i] == False: 
                self.topologicalSortUtil(i,visited,stack) 
  
        stack.insert(0,v) 
  
    def topologicalSort(self): 
        visited = [False]*self.V 
        stack =[] 
  
        for i in range(self.V): 
            if visited[i] == False: 
                self.topologicalSortUtil(i,visited,stack) 
  
        print (stack) 
  
g= Graph(6) 
g.addEdge(5, 2); 
g.addEdge(5, 0); 
g.addEdge(4, 0); 
g.addEdge(4, 1); 
g.addEdge(2, 3); 
g.addEdge(3, 1); 
  
print ("拓扑排序结果：")
g.topologicalSort()

结果为：

拓扑排序结果：
[5, 4, 2, 3, 1, 0]

【说明】：

【分享、共勉、共进、提升】更多、更全、更新的软件测试领域知识，请关注：
在这里插入图片描述

虫无涯
关注
  • 2
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
Python算法分析 查找与排序
Foamy3379的博客
04-20 1356
堆排序 堆排序前传树与二叉树 树是一种数据结构 树是一种可以递归定义的数据结构 树是由n个节点组成的集合： 如果 n= 0 ,那么这是一颗空树 如果n>0,那存在1个节点的作为树的根节点，其他节点可以分为m个节点，每个节点右时一棵树； 一些概念： 根节点、叶子节点；叶子节点 不能分叉的节点B/C/H/ 树的深度（高度） 最深有几层本树右4层 树的度 #分叉的数量 F节点的度，树的度，就是节点分叉最多的节点数量这棵树度时6 A节点时6 ； 孩子节点/父节点 B是A的孩子节点，A是B的父节点 子树 什
python数据结构排序和查找算法06
m0_50360098的博客
08-10 178
文章目录一、各种排序的时间复杂度二、排序一、冒泡排序二、插入排序三、选择排序四、shell排序五、快速排序六、归并排序七、计数排序三、二分查找 一、各种排序的时间复杂度 在观看本文章之前，推荐链接: 视觉算法 该辅助工具提供了对代码进行可视化的界面，帮助更能够理解 不仅仅只有排序，还有二叉树，递归，哈希表等的可视化。 二、排序 一、冒泡排序 冒泡排序比较简单，每一次都对相邻的两个数进行比较，前者大于后者就进行位置交换，是原地排序算法 def bubble_sort(alist): for i.
二分查找算法及python实现
nfzhlk的专栏
09-21 642
二分查找算法：简单的说，就是将一个数组先排序好，比如按照从小到大的顺序排列好，当给定一个数据，比如target，查找target在数组中的位置时，可以先找到数组中间的数array[middle]和target进行比较，当它比target小时，那么target一定是在数组的右边，反之，则target在数组的左边，比如它比target小，则下次就可以只比较[middle+1, end]的数，继续使用二分
Python数据结构学习笔记——搜索与排序算法
小宇y的博客
02-19 983
目录一、搜索（一）搜索的方法（二）顺序搜索（三）二分搜索二、排序（一）内排序和外排序（二）冒泡排序（三）选择排序（四）插入排序（五）希尔排序（六）归并排序（七）快速排序 一、搜索 （一）搜索的方法 搜索是指从元素集合中找到某个特定元素的算法过程，搜索过程通常返回True或False，分别表示元素是否存在。Python中通过运算符in来检查一个元素是否处于元素集合中，如下： print("C" in ["C", "S", "D", "N"]) print("C" in (1, 2, 3)) print("c"
python 快速排序详解_python 二分查找和快速排序实例详解
weixin_42620340的博客
03-01 94
思想简单，细节颇多；本以为很简单的两个小程序，写起来发现bug频出，留此纪念。#usr/bin/env pythondef binary_search(lst,t):low=0height=len(lst)-1quicksort(lst,0,height)print lstwhile low<=height:mid = (low+height)/2if lst[mid] == t:retur...
排序算法介绍——冒泡排序+插入排序+选择排序
12-21
在计算机科学中，排序算法是数据处理的重要组成部分，它们用于对一组数据进行排列，以便于检索、分析或...然而，在大数据量的排序需求中，这些简单的算法通常会被更高效的排序算法如快速排序、归并排序或堆排序所取代。
10个python3常用排序算法详细说明与实例（快速排序，冒泡排序，桶排序，基数排序，堆排序，希尔排序，归并排序，计数排序）
01-20
我简单的绘制了一下排序算法的分类，蓝色字体的排序算法是我们用python3实现的，也是比较常用的排序算法。 Python3常用排序算法 1、Python3冒泡排序——交换类排序 冒泡排序（Bubble Sort）也是一种简单直观的排序...
Python版数据结构与算法-排序算法源代码，实现了冒泡排序、选择排序、插入排序、希尔排序、归并排序、快速排序、堆排序源代码
02-16
本资源聚焦于Python语言实现的各种排序算法，包括冒泡排序、选择排序、插入排序、希尔排序、归并排序、快速排序以及堆排序。下面将详细解释这些排序算法的工作原理及其在Python中的实现。 1. **冒泡排序（Bubble ...
9种排序方法及python实现(冒泡,插入,希尔,选择,堆,快速,桶,基数,归并排序)
01-20
1. 排序算法分类 排序算法可以分为 外部排序 和 内部排序： （1）外部排序 (External sorting）是指能够处理极大量数据的排序算法。 通常来说，外排序处理的数据不能一次装入内存，只能放在读写较慢的外存储器（通常...
Python实现十大排序算法
weixin_44852067的博客
07-17 1万+
python实现十大排序算法
快速排序python代码-python3：快排（快速排序，含详细步骤解释）
weixin_39867142的博客
11-11 551
快排快速排序使用分治法（Divide and conquer）策略来把一个序列（list）分为较小和较大的2个子序列，然后递归地排序两个子序列。步骤为：1、挑选基准值：从数列中挑出一个元素，即被比较数，称为"基准"（pivot），本示例中将最后一个元素作为pivot;2、分割：重新排序数列，所有比基准值小的元素摆放在基准前面，所有比基准值大的元素摆在基准后面（与基准值相等的数可...
python中排序和查找的基础算法
学以致用 知行合一
04-22 877
python的基础排序算法 冒泡排序（bubble sort） 归并排序（merge sort） 插入排序（insertion sort） 希尔排序（shell sort） 选择排序（selection sort） python的基础查找算法 线性查找（Linear Search） 二分查找（Binary Search） 插值查找（Interpolation Search） 深度优先查找算法dfs（Depth First Search）
python算法系列排序与查找_NumPy排序和搜索算法示例
weixin_26789847的博客
01-15 186
Numpy提供了多种用于排序和搜索的功能。有多种排序算法, 例如quicksort, merge sort和heapsort, 是使用numpy.sort()函数实现的。必须在函数调用中提及排序操作中使用的排序算法的种类。让我们讨论在numpy.sort()中实现的排序算法SNAlgorithm最坏情况下的复杂性1Quick SortO(n ^ 2)2Merge SortO(n * log(n))...
拓扑排序的原理及实现
热门推荐
Jasmine_shine的专栏
02-04 1万+
拓扑排序，顾名思义，就是一种排序方法。这是一种什么排序？这种排序的作用？然后怎么去实现这种排序算法？
yolo-fastest.zip
07-28
yolo-fastest
mysql安装配置教程.pdf
最新发布
07-28
MySQL的安装配置教程可以细分为以下几个步骤，这里以Windows系统为例进行说明： 一、下载MySQL 1.访问MySQL官网： 1.前往MySQL的官方网站（https://www.mysql.com/）下载MySQL Community Server。 2.选择下载版本： 1.在官网的Downloads页面，选择“MySQL Community (GPL) Downloads”下的“MySQL Installer for Windows”。 2.跳过注册步骤，直接下载MySQL安装包。 二、安装MySQL 1.运行安装包： 1.找到下载好的MySQL安装包文件，双击运行。 2.选择安装类型： 1.在安装向导中，选择安装类型（通常建议选择“Custom”进行自定义安装）。 2.选择操作系统的位数（如64位），并勾选“Enable the Select Features...”等选项（如果提示缺少运行库，需要先安装相应的VC_redist）。 3.设置安装路径： 1.选择MySQL的安装路径和数据存储路径，建议将MySQL安装在非系统盘（如D盘）以避免潜在的问题。 4.设置密码：
基于transformers+pytorch实现非结构化商业文本信息中隐私信息识别python源码（比赛获奖项目）.zip
07-28
基于transformers+pytorch实现非结构化商业文本信息中隐私信息识别python源码（比赛获奖项目）.zip CCF大数据与计算智能大赛-非结构化商业文本信息中隐私信息识别方案 bert base + flat + crf + fgm + swa + pu learning策略 + clue数据集 = test1单模0.906 词向量：https://github.com/Embedding/Chinese-Word-Vectors SGNS(Mixed-large 综合) loss mask相关代码为pu learning策略的实现 主要模块版本 python 3.6.9 torch 1.1.0 transformers 3.0.2 pytorchcrf 1.2.0 torchcontrib 0.0.2 主要功能点 使用BERT base作为基础模型 采用flat结构进行命名实体识别 使用CRF层进行序列标注 采用对抗训练(FGM)和平滑权重平均(SWA)策略提高模型泛化能力 使用PU learning策略处理标注不全的数据 利用clue数据集进行训练
（verilog）基于MIPS指令集的单周期CPU设计
07-28
相关代码及Vivado项目工程文件
基于优化随机森林的对地攻击无人机自主作战效能评估_邵明军 - 副本.pdf
07-28
基于优化随机森林的对地攻击无人机自主作战效能评估_邵明军 - 副本
Python常用排序和搜索算法总结
常用算法(python)包括很多种排序和搜索算法，比如冒泡排序、选择排序、插入排序、希尔排序、归并排序、快速排序、堆排序、计数排序、基数排序、桶排序、深度优先搜索、广度优先搜索、二分查找、线性查找、素字符串...
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值