一、递归---汉诺塔问题
递归描述:
def hanoi(n,a,b,c): # 参数意义:n个盘子,从a经过b移动到c
if n>0:
hanoi(n-1,a,c,b)
print('moving from %s to %s'%(a,c))
hanoi(n-1,b,a,c)
hanoi(3,'A','B','C') # 输出7
二、查找
查找:在一些数据元素中,通过一定方法找出与给定关键字相同的数据元素的过程
列表查找(线性表查找):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(未找到元素时一般返回None或-1)
内置列表查找函数:index( ),这是顺序查找,因为二分查找必须是有序列表
(1) 顺序查找(线性查找)
从列表第一个元素开始,顺序进行搜索,知道找到元素或搜索到列表最后一个元素为止。
时间复杂度:O(n)
def linear_search(list,val): # 输入一个列表和一个待查找元素val
for index,v in enumerate(list):
if v==val: # 找到元素val
return index # 返回下标
else: # 没有找到,返回None或-1
return None
#等同于
def linear_search(data_set,value):
for i in range(range(data_set)):
if data_set[i] == value:
return i
return
(2)二分法查找
又叫折半查找,从有序列表的初始候选去 list[0:n] 开始,通过对 待查找的值 与 候选区中间值的比较,可以使候选区减少一半。
时间复杂度:循环减半情况:O(log n)
def binary_search(list,value):
left=0
right=len(list)-1
while left <= right: # 候选区有值
mid=(left+right)//2 # 整除2:向下取整
if list[mid]==val:
return mid
elif list[mid] > val:
right=mid-1
else: # list[mid]<val 待查找的值在中间值mid右侧
left=mid+1
else:
return None
如果列表时有序,直接用二分查找;如果无序且只查找一次,就没必要排序,直接顺序查找即可;如果以后要查找很多次,就排个序。
三、排序
排序:将一组“无序”的记录序列调整为“有序”的记录序列
列表排序:将无序列表变为有序列表(升序和降序)
- 输入:列表
- 输出:有序列表
内置排序函数:sort( )
常见的排序算法:
(1) 冒泡排序Bubble Sort(以升序为例)
- 列表每两个相邻的数,如果前面比后面的大,则交换这两个数。
- 一趟排序完成之后,则无序去减少一个数,有序区增加一个数。
————————>>>
- 整个排序过程进行 len(list)-1 趟( n=len(list) )。
- 代码关键:无序区范围。 第0、1、2、...、n-2 趟,一共n-1趟。
- 第 i 趟时,无序区为【0,n-i-1】,n=len(list),箭头最后指向 n-i-2 。
- 时间复杂度:O(n^2)
- 如果在某趟排序过程中没有发生数字交换,我们就可以认为 列表已经排好序的,就不需要再进行后续那么多躺了。
import random
# 升序
def bubble_sort(li):
n=len(li)
for i in range(len(li)-1): # 一共进行 n-1 趟,这是第 i 趟
# 改进:在每一趟处加一个标志位
exchange = False
for j in range(n-i-1): # 箭头在j处,不能指到索引 n-i-1处
if li[j] > li[j+1]: # 降序:改成 < 即可
li[j],li[j+1] = li[j+1],li[j] #交换两个数字
exchange = True # 如果交换了,就变成True,没有交换就仍然是False
if not exchange: # 如果一趟之后,exchange仍然是False,说明这一趟没有执行if交换
return
li=[random.randint(0,1000) for i in range(100)] # 列表推导式
print(li)
bubble_sort(li)
print(li)
(2) 选择排序
- 第一趟排序记录最小的数,放到第一个位置
- 再一趟记录 无序区最小的数,放在第二个位置。以此类推
算法关键点:有序区和无序区,无序区最小数的位置。
时间复杂度:O(n^2)
def select_sort(li):
for i in range(len(li)-1): # 第几趟
min_ind=i
for j in range(i+1,len(li)): # 无序区
if li[j] < li[min_ind]:
min_ind=j
li[i],li[min_ind] = li[min_ind],li[i] # 最小值和无序区第一个数互换
print(li) # 可以看到每趟排序后的结果
li=[3,2,4,5,7,1,8]
select_sort(li)
(3) 插入排序
一开始摸牌,从7(下标1)开始摸。
时间复杂度:O(n^2)
def insert_sort(li):
for i in range(1,len(li)): # i 表示摸到手里的牌的下标(无序区)
tmp=li[i]
j=i-1 # 在手里的牌(最右边)的下标
while j>=0 and li[j]>tmp : # 摸到的牌tmp 小于 j 位置的牌,将 j 位置的牌向右移一格
li[j+1] = li[j]
j -= 1
li[j+1] = tmp # 空着的位置:最左边或者j位置的数 小于 tmp
# print(li) # 每完成一趟排序,输出一次
li=[2,3,5,7,4,6,8,1,9]
print(li)
insert_sort(li)
如果想检测某个方法运行时间:
- from cal_time import *
- @cal_time
- 要检测的代码块
(4) 快速排序
特点:快
思路:
- 取一个元素p(第一个元素),使元素p归为;
- 列表被p分成两部分,左边都比p小,右边都比p大;
- 递归完成排序。
快速排序框架
现在主要就是写: partition函数-----让第一个元素归位,作为mid
def partition(li,left,right):
tmp=li[left]
while left < right: # 最起码有两个元素
while left < right and li[right] >= tmp: # 右边的值 大于 tmp时,继续找
right -=1 # 右边像左移动一位
li[left]=li[right] # 右边的元素 小于tmp ,需要将其移动到左边空位:left
while left < right and li[left] <= tmp: # 刚移过来的值小于tmp,因此看下一个元素
left +=1
li[right]=li[left] # 左边的元素 大于 tmp,需要将其移到右边空位
# left与right重合的情况
li[left]=tmp # 只剩这个空位,right和left重合,将tmp归位
return left # 返回第一个归位的位置 索引,将其作为mid
def quick_sort(li,left,right):
if left<quick: # 至少存在两个元素
mid=partition(li,left,right)
quick_sort(li,left,mid-1)
quick_sort(li,mid+1,right)
快速排序效率:,即快速排序的时间复杂度:O(nlog n)
快速排序的问题:
- 存在最坏情况:每次只少一个数,例如 【9,8,7,6,5,4,3,2,1】排序时,解决方法就是 随机找一个中间的数和第一个数交换。
- 用递归存在一些缺点:会消耗很多系统资源。