一.时间复杂度小结
- 时间复杂度是用来估计算法运行时间的一个式子(单位)
- 一 般来说,时间复杂度高的算法比复杂度低的算法慢
- 常见的时间复杂度(按效率排序)
- 不常见的时间复杂度
如何一眼判断时间复杂度?
二.空间复杂度小结
- 空间复杂度:用来评估算法内存占用大小的一个式子
- “空间换时间”
三.常见的排序算法
1.冒泡排序
是一种简单的排序算法。它重复地遍历要排序的数列,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。遍历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。
冒泡排序思路:
- 比较相邻的元素。如果第一个比第二个大(升序),就交换他们两个
- 对每一对相邻元素作同样的工作,从开始第一对到结尾的最后一对。这步做完后,最后的元素会是最大的数。
- 针对所有的元素重复以上的步骤,除了最后一个
- 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。
时间复杂度- 最优时间复杂度:O(n) (表示遍历一次发现没有任何可以交换的元素,排序结束。)
- 最坏时间复杂度:O(n2)
- 稳定性:稳定
li=[7,5,4,6,3,8,2,9,1]
def Bubble_sort(li1):
for i in range(len(li)-1): #为什么-1 ? 因为最后一个不用判断了,肯定是最小的
flag=False
for j in range(len(li)-i-1):
if li[j]>li[j+1]:
li[j],li[j+1]=li[j+1],li[j]
flag=True
if not flag: #如果为有序列表,执行这句
return
Bubble_sort(li)
print(li)
2.选择排序
- 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。
- 选择排序的主要优点与数据移动有关。如果某个元素位于正确的最终位置上,则它不会被移动。选择排序每次交换一对元素,它们当中至少有一个将被移到其最终位置上,因此对n个元素的表进行排序总共进行至多n-1次交换。在所有的完全依靠交换去移动元素的排序方法中,选择排序属于非常好的一种。
选择排序思路: - 一趟遍历记录最小的数,放到第一个位置
- 再一趟遍历记录剩余列表中最小的数,继续放置
时间复杂度
- 最优时间复杂度:O(n2)
- 最坏时间复杂度:O(n2)
- 稳定性:不稳定(考虑升序每次选择最大的情况)
def Select_sort(li):
for i in range(len(li)-1):
min_loc=i
for j in range(i+1,len(li)):
if li[j]<li[min_loc]:
li[min_loc],li[j]=li[j],li[min_loc]
Select_sort(li)
print(li)
3.插入排序
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。插入排序在实现上,在从后向前扫描过程中,需要反复把已排序元素逐步向后挪位,为最新元素提供插入空间
时间复杂度
- 最优时间复杂度:O(n) (升序排列,序列已经处于升序状态)
- 最坏时间复杂度:O(n2)
- 稳定性:不稳定(考虑升序每次选择最大的情况)
插入排序思路: - 列表分为有序区和无序区两个部分,最初有序区只有一个元素
- 每次无序区选择一个元素,插入到有序区的位置,直到无序区变空
def insert_sort(li):
for i in range(1,len(li)):
tmp=li[i]
j=i-1
while j>=0 and li[j]>tmp:
li[j+1]=li[j]
j=j-1
li[j+1]=tmp
insert_sort(li)
print(li)