冒泡排序法
遍历一个队列,把第一个值与第二个值比较,如果后面的比前面的值大,就将两个值互换,直到遍历结束。
再进行第二次循环,这次循环是上次循环次数的减一次,也是做同上次循环一样的操作。
直到最后一次循环。
#!/usr/bin/env python
a = [10,4,33,21,54,3,8,11,5,22,2,1,17,13,6]
for j in range(1,len(a)):
for i in range(len(a)-j):
if a[i] > a[i+1]:
a[i],a[i+1] = a[i+1],a[i]
print(a)
时间复杂度
(1)时间频度 一个算法执行所耗费的时间,从理论上是不能算出来的,必须上机运行测试才能知道。但我们不可能也没有必要对每个算法都上机测试,只需知道哪个算法花费的时间多,哪个算法花费的时间少就可以了。并且一个算法花费的时间与算法中语句的执行次数成正比例,哪个算法中语句执行次数多,它花费时间就多。一个算法中的语句执行次数称为语句频度或时间频度。记为T(n)。
(2)时间复杂度 在刚才提到的时间频度中,n称为问题的规模,当n不断变化时,时间频度T(n)也会不断变化。但有时我们想知道它变化时呈现什么规律。为此,我们引入时间复杂度概念。 一般情况下,算法中基本操作重复执行的次数是问题规模n的某个函数,用T(n)表示,若有某个辅助函数f(n),使得当n趋近于无穷大时,T(n)/f(n)的极限值为不等于零的常数,则称f(n)是T(n)的同数量级函数。记作T(n)=O(f(n)),称O(f(n)) 为算法的渐进时间复杂度,简称时间复杂度。
指数时间
指的是一个问题求解所需要的计算时间m(n),依输入数据的大小n而呈指数成长(即输入数据的数量依线性成长,所花的时间将会以指数成长)
for (i=1; i<=n; i++)
x++;
for (i=1; i<=n; i++)
for (j=1; j<=n; j++)
x++;
第一个for循环的时间复杂度为Ο(n),第二个for循环的时间复杂度为Ο(n2),则整个算法的时间复杂度为Ο(n+n2)=Ο(n2)。
常数时间
若对于一个算法T(n),的上界与输入大小无关,则称其具有常数时间,记作O(1)时间。一个例子是访问数组中的单个元素,因为访问它只需要一条指令。但是,找到无序数组中的最小元素则不是,因为这需要遍历所有元素来找出最小值。这是一项线性时间的操作,或称O(n)时间。但如果预先知道元素的数量并假设数量保持不变,则该操作也可被称为具有常数时间。
对数时间
若算法的T(n) = O(log n),则称其具有对数时间
常见的具有对数时间的算法有二叉树的相关操作和二分搜索。
对数时间的算法是非常有效的,因为每增加一个输入,其所需要的额外计算时间会变小。
递归地将字符串砍半并且输出是这个类别函数的一个简单例子。它需要O(log n)的时间因为每次输出之前我们都将字符串砍半。 这意味着,如果我们想增加输出的次数,我们需要将字符串长度加倍。
线性时间
如果一个算法的时间复杂度为O(n),则称这个算法具有线性时间,或O(n)时间。非正式地说,这意味着对于足够大的输入,运行时间增加的大小与输入成线性关系。例如,一个计算列表所有元素的和的程序,需要的时间与列表的长度成正比。
模块
导入模块
import:以一个整体获取模块
from:从一个模块中获取特定的变量名
import module
from module.xx.xx import xx
from module.xx.xx import xx as rename
from module.xx.xx import *
模块的搜寻路径
python搜索模块的时候,是通过当前目录和sys.path列表里面的路径搜索。
如果sys.path路径列表没有你想要的路径,可以通过 sys.path.append(‘路径’) 添加。
模块的导入一定是要从sys.path列表中的路径为开始
_file_变量
模块内的file变量是模块当前的相对路径
_init_.py文件
在python的包中都会有一个_init_.py文件,这个文件会帮助你好到python的模块,例如
from module.xx.xx import xx
#如果没有__init__,module.xx.xx的形式会报错
返回文件的绝对路径
os.path.abspath()可以返回文件的绝对路径
pre_path = os.path.abspath('../') #返回上一级目录的绝对路径
pre_path = os.path.abspath(__file__) #返回当前目录的绝对路径
筛选目录名(实际上只是把路径的最后一层去掉,不管最后一层是文件还是目录)
os.path.dirname(os.path.abspath(__file__))
pickle模块
可以将python的变量,以变量的时候保存在文件中(仅限python中的变量,别的语言不行)
pickle常用用法
dump与 dumps的区别
dump需要传入文件变量,把内容写入文件
dumps是返回pickle可识别的变量内容
import pickle
a = [1,2,3,4,5,6,7,8]
with open("xiaoming_test", "wb") as f:
pickle.dump(a,f)
############################################
import pickle
a = [1,2,3,4,5,6,7,8]
with open("dingyi_test", "wb") as f:
f.write(pickle.dumps(a))
load与loads的区别
与dump同理
import pickle
a = [1,2,3,4,5,6,7,8]
with open("xiaoming_test", "rb") as f:
a = pickle.load(f)
print(a)
###################################
import pickle
a = [1,2,3,4,5,6,7,8]
with open("xiaoming_test", "rb") as f:
a = pickle.loads(f.read())
print(a)
json模块
他们的区别与pickle一样,只是json不需要二进制参数
dump与 dumps的区别
import json
a = [1,2,3,4,5,6,7,8]
with open("dingyi_test", "w") as f: #json不需要二进制读取和写入文件
json.dump(a,f)
#####################################################
import json
a = [1,2,3,4,5,6,7,8,8]
with open("dingyi_test", "w") as f:
f.write(json.dumps(a))
load与loads的区别
import json
a = [1,2,3,4,5,6,7,8,8]
with open("dingyi_test", "r") as f:
a = json.load(f)
print(a)
#######################################################
import json
a = [1,2,3,4,5,6,7,8,8]
with open("dingyi_test", "r") as f:
a = json.loads(f.read())
print(a)