数据结构和算法(1)

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)