插入排序

直接插入排序

流程:若待处理序列为【9,8,7,6,5,4,3,2,1】,则:

  1. 设置哨兵:将序列放入大小为10的数组A中,其中A[0]作为哨兵,A[1]=9,A[2]=8依次类推
  2. 是否移动:A[1]不动,从A[2]开始处理,然后前者比较,若小于前者说明需要移动,将待处理数x存入哨兵
  3. 移动:从后往前,依次将x之前的元素向后移动,直至碰到小于x的元素为止,再将x从哨兵中取出,放入指定位置

运行结果:

知识点:

  • 空间复杂度为o(1),因为只使用了哨兵这个辅助空间
  • 总移动次数=将x放入哨兵(1) + 元素后移(i=2/3/4/...n,最多移动1次/2次/3次/...n-1次)+从哨兵取出(1次) =
  • 比较总次数=,因为每个2号元素会跟1号比一次,再跟哨兵比一次然后跳出循环,依次类推

二分查找

流程:若待处理序列为【1,2,3,4,5,6,7,8,9】,待查找数为x,则:

  1. 将序列放入大小为9的数组A中,A[0]=1,A[1]=2依次类推
  2. 设low指针指向A[0],high指针指向A[8]
  3. 当low<high时,mid=(low+high)/2,若A[mid]=x,命中,返回x所在位置为mid;若A[mid]>x,high=mid-1;若A[mid]<x,low=mid+1;直至low>high

运行结果:

知识点:

二分插入排序

流程:若待处理序列为【9,8,7,6,5,4,3,2,1】,则:

  1. 哨兵,将序列存入大小为10的数组中,A[0]用作哨兵(存储被操作数),A[1]=9,A[2]=8...依次类推
  2. 从A[2]开始操作,将A[2]存入A[0],设置low=1,high=操作数下标-1,适用二分查找查找操作数应该存放的位置
  3. 将待操作数之前,哨兵之后的数挨个后移,从哨兵取出待操作数存入指定位置

运行结果:

知识点:

  • 由于折半查找只适用于线性表,所以折半插入排序也只适用于线性表
  • 查找的平均效率是o(log2n),高于直接插入排序的o(n2),后移的平均效率是不变,依然是o(n2),所以折半插入排序的平均时间复杂度是o(n2)
  • 折半插入排序的空间复杂度为o(1)
  • 折半插入排序是稳定的插入排序

希尔排序

å¾è§£ç®æ³---å¸å°æåº

流程:若待处理序列为【9,8,7,6,5,4,3,2,1】,则:

  1. 设置哨兵,将序列存入大小为10的数组中,A[0]用作哨兵(存储被操作数),A[1]=9,A[2]=8...依次类推
  2. 设置步长,初始步长为数组长度的一半,间隔相同步长的元素成为1组,上图步长为5,所以1-5为一组,2-7为一组,如果步长为4,则1-3-8为一组,2-5-6为一组
  3. 分别为每一组进行插入排序,和直接插入排序不同,后者是后移1位,前者是后移一个步长
  4. 令步长减半,如此往复直到步长为1,即最后一次步长为1,此时整个数组都在一个分组中,相当于直接插入排序

运行结果:

知识点:

  • 空间复杂度为o(1),因为使用了哨兵为辅助单元
  • 平均时间复杂度o(n1.3),最坏为o(n2)
  • 由于需要使用随机存取的特性,所以仅适用于线性表
  • 是不稳定的排序
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
GeoPandas是一个开源的Python库,旨在简化地理空间数据的处理和分析。它结合了Pandas和Shapely的能力,为Python用户提供了一个强大而灵活的工具来处理地理空间数据。以下是关于GeoPandas的详细介绍: 一、GeoPandas的基本概念 1. 定义 GeoPandas是建立在Pandas和Shapely之上的一个Python库,用于处理和分析地理空间数据。 它扩展了Pandas的DataFrame和Series数据结构,允许在其中存储和操作地理空间几何图形。 2. 核心数据结构 GeoDataFrame:GeoPandas的核心数据结构,是Pandas DataFrame的扩展。它包含一个或多个列,其中至少一列是几何列(geometry column),用于存储地理空间几何图形(如点、线、多边形等)。 GeoSeries:GeoPandas中的另一个重要数据结构,类似于Pandas的Series,但用于存储几何图形序列。 二、GeoPandas的功能特性 1. 读取和写入多种地理空间数据格式 GeoPandas支持读取和写入多种常见的地理空间数据格式,包括Shapefile、GeoJSON、PostGIS、KML等。这使得用户可以轻松地从各种数据源中加载地理空间数据,并将处理后的数据保存为所需的格式。 2. 地理空间几何图形的创建、编辑和分析 GeoPandas允许用户创建、编辑和分析地理空间几何图形,包括点、线、多边形等。它提供了丰富的空间操作函数,如缓冲区分析、交集、并集、差集等,使得用户可以方便地进行地理空间数据分析。 3. 数据可视化 GeoPandas内置了数据可视化功能,可以绘制地理空间数据的地图。用户可以使用matplotlib等库来进一步定制地图的样式和布局。 4. 空间连接和空间索引 GeoPandas支持空间连接操作,可以将两个GeoDataFrame按照空间关系(如相交、包含等)进行连接。此外,它还支持空间索引,可以提高地理空间数据查询的效率。
SQLAlchemy 是一个 SQL 工具包和对象关系映射(ORM)库,用于 Python 编程语言。它提供了一个高级的 SQL 工具和对象关系映射工具,允许开发者以 Python 类和对象的形式操作数据库,而无需编写大量的 SQL 语句。SQLAlchemy 建立在 DBAPI 之上,支持多种数据库后端,如 SQLite, MySQL, PostgreSQL 等。 SQLAlchemy 的核心功能: 对象关系映射(ORM): SQLAlchemy 允许开发者使用 Python 类来表示数据库表,使用类的实例表示表中的行。 开发者可以定义类之间的关系(如一对多、多对多),SQLAlchemy 会自动处理这些关系在数据库中的映射。 通过 ORM,开发者可以像操作 Python 对象一样操作数据库,这大大简化了数据库操作的复杂性。 表达式语言: SQLAlchemy 提供了一个丰富的 SQL 表达式语言,允许开发者以 Python 表达式的方式编写复杂的 SQL 查询。 表达式语言提供了对 SQL 语句的灵活控制,同时保持了代码的可读性和可维护性。 数据库引擎和连接池: SQLAlchemy 支持多种数据库后端,并且为每种后端提供了对应的数据库引擎。 它还提供了连接池管理功能,以优化数据库连接的创建、使用和释放。 会话管理: SQLAlchemy 使用会话(Session)来管理对象的持久化状态。 会话提供了一个工作单元(unit of work)和身份映射(identity map)的概念,使得对象的状态管理和查询更加高效。 事件系统: SQLAlchemy 提供了一个事件系统,允许开发者在 ORM 的各个生命周期阶段插入自定义的钩子函数。 这使得开发者可以在对象加载、修改、删除等操作时执行额外的逻辑。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值