python 各种排序时间复杂度和空间复杂度

最新推荐文章于 2022-03-18 15:44:19 发布
最新推荐文章于 2022-03-18 15:44:19 发布
阅读量4.9k 收藏 10
点赞数 4
分类专栏： 数据结构
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/sunyuxiu/article/details/94660110
版权

python 各种排序时间复杂度和空间复杂度
在这里插入图片描述
现在分情况讨论每种情况下的大小
平均情况： n平方>n1.3次方>nlog2n，证明如下：
n平方>nlog2n：
在这里插入图片描述
再证n的1.3次方>nlog2n:
在这里插入图片描述
所以： n平方>n1.3次方>nlog2n成立。
至于基数排序，可以参考下这篇文章：https://cloud.tencent.com/developer/news/387473（大哥，兄弟我第一次写博客，引用的不恰当，还请见谅）
综上：平均情况时：直接插入=直接排序=冒泡排序>shell排序>堆排序=归并排序
在这里插入图片描述
当最好情况，是直接排序>堆排序=快速排序=归并排序>直接插入=shell排序=冒泡排序
最坏情况是：直接插入=shell排序=直接排序=冒泡排序=快速排序>堆排序=归并排序
空间复杂度：当1<n<2时，1=nlog2n的，所以当n>2时，快速排序>其余排序的。

sunyuxiu
关注
  • 4
    点赞
  • 踩
  • 10
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
【Python基础教程】3 . 算法的时间复杂度
m0_74195174的博客
03-29 539
算法时间复杂度是一个用于评估算法执行效率的关键指标，它衡量了算法执行时间随输入数据规模增长而变化的趋势。
Python基本数据类型的时间和空间复杂度
weixin_47073925的博客
06-09 290
Python基本数据类型的时间和空间复杂度 常见的时间复杂度高低排序： O(1)<O(logn)<O(n)<O(nlogn)<O(n²)<O(n²logn)<O(n³)<O(2ⁿ)<O(n!)<O(nⁿ) 列表（List）： python的列表内部实现是数组（具体实现要看解析器），因此就有组数的特点。超过容量会增加更多的容量，set, get 是O(1)，但del, insert, in的性能是O(n)。具体的看下表，'n’是容器中当前的元素数， 'k’
[Python]时间复杂度和空间复杂度
AutismThyself的博客
02-24 4828
简介 在编写Python中的自定义函数或算法时，减低时间复杂度和空间复杂度，会大大提升Python自定义函数或算法的整体性能。 时间复杂度 时间复杂度是用来估计自定义函数或算法运行时间的一个式子（单位）,时间复杂度常用“O”表述，而且时间复杂度可被称为是渐近的，它考察当输入值大小趋近 ∞\infin∞ 时的情况 时间复杂度为 O(1)的例子 print('Hello!') print(1) 时间复杂度为 O(n)的例子 # 其中range(n) 换成range(length(n))或者直接换成n，其时间复
python快速排序时间复杂度是指_Python实现快速排序
weixin_40005887的博客
12-03 176
快速排序采用了分治的思想，基本思想是选取数组中一个数为基准数(一般选择数组中的第一个数)，一次排序过程中，将比基准数小的都放在它左侧，比基准数大的放在它的右侧。经过这次排序后得到两个数组和一个基准数，数组1中全部元素小于基准数，数组2中的全部元素大于基准数，然后对数组1，2分别进行同样的排序(递归)，最后直到剩下一个数字。下面给出Python代码实现def partiton(li, low, hi...
python快速排序时间复杂度是指_python-快速排序
weixin_39968760的博客
12-03 89
快速排序的时间复杂度是O(NlogN)算法描述先从序列中取出一个数作为基准数分区过程, 将比这个数大的数全部放到它的右边, 小于或等于它的数全部放到它的左边再对左右区间重复第二步, 直到各区间只有一个数假设对 6, 1, 2, 7, 9, 3, 4, 5, 10, 8 进行排序, 首先在这个序列中随便找一个基准数(用来参照), 比如选择 6 为基准数, 接下来把所有比基准数大的数放在6的右边, 比...
python 中sorted的时间、空间复杂度
zlb_zlb的博客
11-17 3954
python 中sorted的时间、空间复杂度，sorted使用的是 Timesort 排序方法 转载自 https://www.cnblogs.com/clement-jiao/p/9243066.html
Python实现二分查找和哈希查找的示例代码及其时间复杂度和空间复杂度的分析
06-06
Python实现二分查找和哈希查找的示例代码及其时间复杂度和空间复杂度的分析 二分查找算法是搜索排序数组中某个元素的常用算法。其实现思路是，首先找到数组的中间元素，然后与要查找的元素比较，如果中间元素小于要...
python 常见的排序算法实现汇总
09-16
在实际应用中，根据数据特性、时间和空间复杂度要求，选择合适的排序算法是至关重要的。例如，对于大规模数据且内存有限的情况，快速排序和归并排序通常是更好的选择；而对于小规模数据或者需要稳定性，插入排序和...
python八大排序算法速度实例对比
01-20
这篇文章并不是介绍排序算法原理的，纯粹是...空间复杂度：O(1) 稳定性：稳定 def insert_sort(array): for i in range(len(array)): for j in range(i): if array[i] < array[j]: array.insert(j, array.pop(i
Python排序算法.zip
最新发布
04-27
直接插入排序的空间复杂度为O(1)，因为它不需要额外的存储空间。此外，直接插入排序是稳定的，即相等的元素在排序后保持原有的相对顺序。 直接插入排序适用于待排序序列较小或基本有序的情况，因为它在处理小规模...
常用排序算法的python实现及优化
12-21
对于这三类排序主要考察基础，需要很熟悉的了解每种排序方法的时间复杂度，空间复杂度，以及稳定性。 （稳定是指如果数组里两个相等的数，排序前后这两个相等的数的相对位置保持不变） 同时要熟练掌握代码，将代码...
python 排序（一）快速排序、原理以及代码实现、比较归并排序、时间复杂度推算
qq_40771567的博客
09-26 320
一、介绍 快速排序（quick sort）采用了分治的策略（很多排序都应用到分治，比如归并排序）。 快速排序的基本思想就是：通过一趟排序将要排序的数据分隔成独立的两部分，其中一部分的所有数据都比另外一部分的所有数据要小，然后再按此方法对两部分数据分别进行快速排序，整个排序过程可以递归进行，以此达到整个数据变成有序序列。 1、原理以及思想： （1）、将数据分为两步分，先在原数组选取一个数据做...
【学习笔记】python版选择排序和插入排序及时间复杂度分析
Cricketol的专栏
02-24 1573
选择排序原理：从N个未排序的数据项中选出最小数（这里假设我们按照升序排列），再从剩下的N-1个未排序的数据项中选出最小数，不断重复此过程，直到所有数被拍好序为止。 以下为实现代码： #!/usr/bin/python import sys n = len(sys.argv) - 1 min_num = sys.maxint for i in range(1, n): tmp_min =
python中四种简单排序算法原理及时间复杂度
CSDN_Hy007的博客
10-09 716
冒泡排序 “”" 基本原理: 1, 相邻的元素比较,如果前一个元素大于后一个元素,则交换位置. 2, 一次遍历后,最大的元素会跑到最后. 3, 第二次遍历就只需要比较前len(arr) - i - 1个元素了,因为后面的元素肯定都比前面的元素要大了. 时间复杂度为O(n^2), 空间复杂度为O(1)因为并没有创建新的数组. 是个稳定的算法. “”" # 方法一: def bubble_sort(arr): length = len(arr) for i in range(length - 1
Python算法和数据结构（二）——各大排序算法的时空复杂度比较
qq_43029747的博客
07-21 321
Python算法和数据结构（二）——各大排序算法的时空复杂度比较一、各大排序算法的时空复杂度表格二、对一些问题的注释1、冒泡排序2、选择排序3、插入排序4、快速排序5、堆排序 一、各大排序算法的时空复杂度表格 排序算法 最差时间分析 平均时间复杂度 稳定度 空间复杂度 冒泡排序 O(n2) O(n2) 稳定 O(1) 选择排序 O(n2) O(n2) 不稳定 O(1) 插入...
Pyhton 描述 归并排序算法详解 时间复杂度，空间复杂度分析
zero
07-25 1236
算法描述分析： 归并排序（MERGE-SORT）是建立在归并操作上的一种有效的排序算法,该算法是采用分治法（Divide and Conquer）的一个非常典型的应用。将已有序的子序列合并，得到完全有序的序列；即先使每个子序列有序，再使子序列段间有序。若将两个有序表合并成一个有序表，称为二路归并。 这是官方一点的对于归并排序的定义，简单的来说，我们把要排序的列表或者数组，每一次都给它递归生成n...
面试必会：十大经典排序算法（python实现，附复杂度分析及稳定性）
weixin_44414948的博客
02-25 1876
十大排序算法复杂度及稳定性属性表 图片名词解释： n: 数据规模 k: “桶”的个数 In-place: 占用常数内存，不占用额外内存 Out-place: 占用额外内存 1、冒泡排序 冒泡排序算法的原理如下： a. 比较相邻的元素。如果第一个比第二个大，就交换他们两个。 —— b. 对每一对相邻元素做同样的工作，从开始第一对到结尾的最后一对。在这一点，最后的元素应该会是最大的数。 —— c. 针对所有的元素重复以上的步骤，除了最后一个。 —— d. 持续每次对越来越少的元素重复上面的步骤，直到没有
【排序算法系列之一】python实现十大排序算法
xiaobai5556的博客
03-18 1401
目录： 冒泡排序(稳定性排序) 快速排序(不稳定性排序) 插入排序(稳定性排序) 希尔排序(稳定性排序) 选择排序(不稳定性排序) 前序： 由于涉及到两个数据位置的交换，所以首先定义了一个交换函数swap,利用两个数连续三次异或操作即可完成两数的交换；代码如下： def swap(array,i,j): # 两个数连续三次异或操作后交换位置 array[i] = array[i] ^ arr...
算法的时间复杂度和空间复杂度笔记
蛮三刀酱
10-26 1503
时间复杂度数量级排序常见的算法时间复杂度由小到大依次为：Ο(1)＜Ο(log2n)＜Ο(n)＜Ο(nlog2n)＜Ο(n2)＜Ο(n3)＜…＜Ο(2^n)＜Ο(n!)P和NP问题其中Ο(log2n)、Ο(n)、 Ο(nlog2n)、Ο(n^2)和Ο(n^3)称为多项式时间，而Ο(2^n)和Ο(n!)称为指数时间。计算机科学家普遍认为前者（即多项式时间复杂度的算法）是有效算法，把这类问题称为P（Pol
常用排序算法的python实现，时间复杂度和空间复杂度评估
06-11
下面是常用的几种排序算法的Python实现，以及它们的时间复杂度和空间复杂度评估： 1. 冒泡排序 ```python def bubble_sort(arr): n = len(arr) for i in range(n): for j in range(0, n-i-1): if arr[j] > arr[j+1]: arr[j], arr[j+1] = arr[j+1], arr[j] return arr ``` 时间复杂度：$O(n^2)$，空间复杂度：$O(1)$ 2. 插入排序 ```python def insertion_sort(arr): n = len(arr) for i in range(1, n): key = arr[i] j = i - 1 while j >= 0 and key < arr[j]: arr[j+1] = arr[j] j -= 1 arr[j+1] = key return arr ``` 时间复杂度：$O(n^2)$，空间复杂度：$O(1)$ 3. 选择排序 ```python def selection_sort(arr): n = len(arr) for i in range(n): min_idx = i for j in range(i+1, n): if arr[j] < arr[min_idx]: min_idx = j arr[i], arr[min_idx] = arr[min_idx], arr[i] return arr ``` 时间复杂度：$O(n^2)$，空间复杂度：$O(1)$ 4. 快速排序 ```python def quick_sort(arr): if len(arr) <= 1: return arr pivot = arr[0] left = [x for x in arr[1:] if x < pivot] right = [x for x in arr[1:] if x >= pivot] return quick_sort(left) + [pivot] + quick_sort(right) ``` 时间复杂度：$O(n\log n)$，空间复杂度：$O(n)$ 5. 归并排序 ```python def merge_sort(arr): if len(arr) <= 1: return arr mid = len(arr) // 2 left = merge_sort(arr[:mid]) right = merge_sort(arr[mid:]) return merge(left, right) def merge(left, right): res = [] i, j = 0, 0 while i < len(left) and j < len(right): if left[i] <= right[j]: res.append(left[i]) i += 1 else: res.append(right[j]) j += 1 res += left[i:] res += right[j:] return res ``` 时间复杂度：$O(n\log n)$，空间复杂度：$O(n)$ 6. 堆排序 ```python def heap_sort(arr): n = len(arr) for i in range(n//2-1, -1, -1): heapify(arr, n, i) for i in range(n-1, 0, -1): arr[i], arr[0] = arr[0], arr[i] heapify(arr, i, 0) return arr def heapify(arr, n, i): largest = i l = 2 * i + 1 r = 2 * i + 2 if l < n and arr[l] > arr[largest]: largest = l if r < n and arr[r] > arr[largest]: largest = r if largest != i: arr[i], arr[largest] = arr[largest], arr[i] heapify(arr, n, largest) ``` 时间复杂度：$O(n\log n)$，空间复杂度：$O(1)$

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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