Python__数据结构与算法——查找与排序

 

查找和排序是最基本的算法，在很多脚本中都会用到查找和排序。尽管 Python 提供的用于查找和排序的函数能够满足绝大多数需求，但还是有必要了解最基本的查找和排序算法，以便在有特殊需求的情况下，可以自己编写查找、排序脚本。

一、查找

基本的查找方法有顺序查找、二分查找和分块查找等。其中，顺序查找是最简单的查找方法，就是按照数据排列的顺序依次查找，直到找到所查找的数据为止（可查看数据表都未找到数据）。

二分查找是首先对要进行查找的数据进行排序，有按大小顺序排好的 9 个数字，如图-1所示。如果要进行查找数字 5，则首先与中间值 10 进行比较，5 小于 10，于是对序列的前半部分 1~9 进行查找。此时，中间值为 5，恰好为要找的数字，查找结束。

分块查找，是介于顺序查找和二分查找之间的一种查找方法。使用分块查找时，首先对查找表建立一个索引表，然后再进行分块查找。建立索引表时，首先对查找表进行分块，要求 "分块有序"，即块内关键字不一定有序，但分块之间有大小顺序。索引表是抽取各块中的最大关键字及其起始位置构成的，如图-2 所示。

分块查找分两步进行，首先查找索引表，因为索引表是有序的，查找索引表时可以使用二分查找法进行。查找完索引表以后，就确定了要查找的数据所在的分块，然后在该分块中再进行顺序查找。

下面所示的 pyBinarySearch.py 脚本是对一个有序列表使用二分查找。

# -*- coding:UTF-8 -*-
# file: pyBinarySearch.py


def BinarySearch(l, key):  # 二分查找
    low = 0
    high = len(l) - 1
    i = 0
    while low <= high:
        i = i + 1
        mid = (high + low) // 2
        if l[mid] < key:
            low = mid + 1
        elif l[mid] > key:
            high = mid - 1
        else:
            print('use %d time(s)' % i)
            return mid
    return -1


if __name__ == '__main__':
    l = [1, 5, 6, 9, 10, 51, 62, 65, 70]  # 构造列表
    print(BinarySearch(l, 5))  # 在列表中查找
    print(BinarySearch(l, 10))
    print(BinarySearch(l, 65))
    print(BinarySearch(l, 70))

运行脚本输出结果如下：

二、排序

对于查找来说，排序要复杂得多，排序的方法也较多，常用的排序方法有冒泡法排序、希尔排序、二叉树排序和快速排序等，其中，二叉树排序是比较有意思的一种排序方法，而且也便于操作。二叉树排序的过程主要是二叉树的建立和遍历的过程。例如，有一组数据 "3，5，7，20，43，2，15，30"，则二叉树的建立过程如下。

• Step1：首先将第一个数据 3 放入根节点。
• Step2：将数据 5 与根节点中的数据 3 比较，由于 5 大于 3，因此应将 5 放入 3 的右子树中。
• Step3：将数据 7 与根节点中的数据 3 比较，由于 7 大于 3，因此应将 5 放入 3 的右子树中，由于 3 已经有右儿子 5，所以将 7 与 5 进行比较，因为 7 大于 5，所以应将 7 放入 5 的右子树中。
• Step4：将数据 20 与根节点中的数据 3 比较，由于 20 大于 3，因此应将 20 放入 3 的右子树中，重复比较，最终将 20 放入 7 的右子树中。
• Step5：将数据 43 与树中的节点值进行比较，最终将其放入 20 的右子树中。
• Step6：将数据 2 与根节点 3 进行比较，由于 2 小于 3，因此应将 2 放入 3 的左子树。
• Step7：同样的对数据 15 和 30 进行处理，最终形成如图-3 所示的树。

当树创建好后，对数进行中序遍历，得到的遍历结果就是对数据从小到大排序。如果要从大到小进行排序则可以先从右子树开始进行中序遍历。

下面所示的 pySort.py 脚本是采用二叉树排序的方式对数据进行排序。

# -*- coding:UTF-8 -*-
# file: pySort.py


class BTree:  # 二叉树节点
    def __init__(self, value):  # 初始化函数
        self.left = None  # 左儿子
        self.data = value  # 节点值
        self.right = None  # 右儿子

    def insertLeft(self, value):  # 向左子树插入节点
        self.left = BTree(value)
        return self.left

    def insertRight(self, value):  # 向右子树插入节点
        self.right = BTree(value)
        return self.right

    def show(self):  # 输出节点数据
        print(self.data)


def inorder(node):  # 中序遍历
    if node.data:
        if node.left:
            inorder(node.left)
        node.show()
        if node.right:
            inorder(node.right)


def rinorder(node):  # 中序遍历
    if node.data:
        if node.right:
            rinorder(node.right)
        node.show()
        if node.left:
            rinorder(node.left)


def insert(node, value):  # 中序遍历，先遍历右子树
    if value > node.data:
        if node.right:
            insert(node.right, value)
        else:
            node.insertRight(value)
    else:
        if node.left:
            insert(node.left, value)
        else:
            node.insertLeft(value)


if __name__ == '__main__':
    l = [3, 5, 7, 20, 43, 2, 15, 30]
    Root = BTree(l[0])  # 根节点
    node = Root
    for i in range(1,len(l)):
        insert(Root, l[i])
    print('**************************')
    print('        从小到大')
    print('**************************')
    inorder(Root)
    print('**************************')
    print('        从大到小')
    print('**************************')
    rinorder(Root)

运行 pySort.py 脚本后，输出如下所示的排序结果：