数据结构+python（四）：排序和搜索

数据结构基础+python实现(四)：排序和搜索

顺序表和链表都可以对元素进行排序和搜索，为了方便易懂，都对顺序表(列表)的结构进行操作。

一、排序

1. 冒泡排序

def Bubble_sort(alist):
	"""冒泡排序"""
	n = len(alist)
	for j in range(n-1):
		count = 0
		for i in range(0, n-1-j):
			# 一趟中从头到尾
			if alist[i] > alist[i+1]:
				alist[i], alist[i+1] = alist[i+1], alist[i]
				count += 1
			if count == 0: # coun记录了交换次数，如果某一趟下来没有交换，说明已经有序，直接退出
				return
				

2.选择排序

def select_sort(alist):
	"""选择排序"""
	n = len(alist)
	for j in range(n-1):
		min_index = j
		for i in range(j+1, n):
			if alist[min_index] > alist[i]:
				min_index = i
		alist[j], alist[min_index] = alist[min_index], alist[j

3.插入排序

def insert_sort(alist):
	"""插入排序"""
	n = len(alist)
	# 从右边的无序序列中取出多少个元素执行这样的过程
	for j in range(1, n):
		# i代表内层循环起始值
		i = j
		# 执行从右边的无需序列中取出一个元素，即i位置的元素，然后将其插入到前面的正确位置中
		while i > 0:
			if alist[i] < alist[i-1]:
				alist[i], alist[i-1] = alist[i-1], alist[i]
				i -= 1
			else:
				break

选择排序和插入排序都是将列表分成两部分进行操作。

4.快速排序

def quick_sort(alist, first, last):
	"""快排"""
	if first >= last: # 递归结束的标记
		return
	mid_value = alist[first]
	low = first
	high = last
	while low < high:
		# high左移
		while low < high and alist[high] >= mid_value:
			high -= 1
		alist[low] = alist[high]
		# low 右移
		while low < hign and alist[low] <= mid_value:
			low += 1
		alist[high] = alist[low]
	# 循环退出来时，low == high
	alist[low] = mid_value
	
	#对low左边的列表进行快速排序
	quick_sort(alist, first, low-1)

	#对low右边的列表排序
	quick_sort(alist, low+1, last)
	
	#注意这个递归都是在原列表上面进行的，所以每次传入的列表都是原列表alist

5.希尔排序—对快速排序的一种改进
基本思想：将列表按照不同的步长进行分组，然后进行快速排序，步长慢慢减小。

def shell_sort(alist):
	"""希尔排序"""
	# n = 9
	n = len(alist)
	# gap = 4
	gap = n // 2
	# gap变化到0之前，插入算法执行的次数
	while gap > 0:
		# 插入算法，与普通的插入算法的区别就是gap步长
		for j in range(gap, n):
			# j = [gap, gap+1, gap+2, gap+3, ..., n-1]
			i = j
			while i > 0:
				if alist[i] < alist[i-gap]:
					alist[i], alist[i-gap] = alist[i-gap], alist[i]
					i -= gap
				else:
					break
			# 缩短gap步长
			gap // = 2

# 当gap减小到1的时候，就是快速排序！

6.归并排序

def merge_sort(alist):
	"""归并排序"""
	n = len(alist)
	if n <= 1:
		return alist
	mid = n//2

	# left采用归并排序后形成的有序的新的列表
	left_li = merge_sort(alist[:mid])

	# right采用归并排序后形成的有序的新的列表
	right_li = merge_sort(alist[mid:])

	# 将两个有序的子序列合并成一个新的整体
	# merge(left, right)
	left_pointer, right_pointer = 0, 0
	result = []

	while left_pointer < len(left_li) and right_pointer < len(righter_li):
		if left_li[left_pointer] < right_li[right_pointer]:
			result.append(left_li[left_pointer])
			left_pointer += 1
		else:
			result.append(right_li[right_pointer])
			right_pointer += 1
	result += left_li[left_pointer:]
	result += right_li[right_pointer:]
	return result

各种排序算法的时间复杂度分析：

冒泡：当列表有序时，只需要遍历第一趟就可以，所以为O(n);
选择：内循环不管列表是否有序都要比较为O(n)，外循环O(n)，所以最好最坏都是O(n^2);
插入：最好情况，当列表有序时，只需要进行外循环O(n)，内循环每次只比较一个，不要交换；
快速：当列表为有序时，最坏情况，此时内循环为O(n),外循环递归为O(logn)；

二、搜索

二分搜索—折半搜索
优点：查找次数少，速度快；
缺点：要求待查表为有序表，且插入删除困难；

版本一(递归)

def binary_search(alist, item):
	"""二分查找"""
	if n > 0:
		mid = n//2
		if alist[mid] == item:
			return Ture
		elif item < alist[mid]:
			return binary_search(alist[:mid], item)
		else:
			return binary_search(alist[mid+1:], item)
	return False

#递归版本，每次产生新的列表

版本二(非递归)

def binary_search_2(alist, item):
	n = len(alist)
	first = 0
	last = n-1
	while first <= last:
		mid = (first + last)//2
		if alist[mid] == item:
			return True
		elif item < alist[mid]:
			last = mid - 1
		else:
			first = mid + 1
	return False