3min利用Python实现9种经典排序算法可视化!（附源代码）

最新推荐文章于 2022-06-02 19:14:19 发布
最新推荐文章于 2022-06-02 19:14:19 发布
阅读量564 收藏 4
点赞数

640?wx_fmt=png

来源：恋习Python

本文附视频，建议收藏。

本文为你分享实现9种经典排序算法可视化的方法，3分钟即可实现。


[导 读]近在某网站上看到一个视频，是关于排序算法的可视化的，看着挺有意思的，也特别喜感。


不知道作者是怎么做的，但是突然很想自己实现一遍，而且用python实现特别快，花了一天的时间，完成了这个项目。主要包括希尔排序（Shell Sort）、选择排序（Selection Sort）、快速排序（Quick Sort）、归并排序（Merge Sort）等九种排序。


▲6分钟演示15种排序算法


具体讲解需要解决问题的实现思路如下：


  • 如何表示数组

  • 如何得到随机采样数组，数组有无重复数据

  • 如何实现排序算法

  • 如何把数组可视化出来


如何表示数组


Python提供了list类型，很方便表示C++中的数组。标准安装的Python中用列表(list)保存一组值，可以用来当作数组使用，不过由于列表的元素可以是任何对象，因此列表中所保存的是对象的指针。这样为了保存一个简单的[1,2,3]，需要有3个指针和三个整数对象。


对于数值运算来说这种结构显然比较浪费内存和CPU计算时间，在此就不详细论述。


如何得到随机采样数组，数组有无重复数据


假设我希望数组长度是100，而且希望数组的大小也是在[0,100)内，那么如何得到100个随机的整数呢？可以用random库。


示例代码：


 
 
import random
data = list(range(100))
data = random.choices(data, k=100)
print(data)
[52, 33, 45, 33, 48, 25, 68, 28, 78, 23, 78, 35, 24, 44, 69, 88, 66, 29, 82, 77, 84, 12, 19, 10, 
27, 24, 57, 42, 71, 75, 25, 1, 77, 94, 44, 81, 86, 62, 25, 69, 97, 86, 56, 47, 31, 51, 40, 21, 41, 
21, 17, 56, 88, 41, 92, 46, 56, 80, 23, 70, 49, 96, 83, 54, 16, 36, 82, 24, 68, 60, 16, 98, 16, 81,
 10, 13, 11, 24, 68, 35, 56, 39, 23, 44, 6, 30, 3, 60, 56, 66, 38, 28, 47, 47, 25, 90, 89, 38, 68, 
21]
 
 

 
 
但是以上代码有个问题，random.choices是对一个序列进行重复采样，得到的数组存在重复数据，那如果不希望存在重复数据，而是希望进行无重复采样，怎么办？
 
 

 
 
可以用random.sample函数，示例代码：
 
 

 
 
data = random.sample(data, k=100)
print(data)
[49, 28, 56, 28, 44, 62, 81, 25, 48, 33, 54, 38, 30, 16, 13, 19, 23, 56, 60, 66, 41, 24, 68, 68,
 77, 92, 78, 24, 66, 3, 80, 94, 78, 41, 84, 88, 21, 56, 25, 25, 75, 24, 38, 82, 31, 52, 23, 10, 
71, 40, 27, 46, 33, 35, 56, 51, 1, 23, 12, 25, 89, 16, 21, 21, 11, 42, 47, 44, 81, 35, 86, 88, 
29, 36, 77, 16, 39, 6, 57, 69, 96, 68, 24, 86, 97, 90, 69, 10, 68, 98, 56, 44, 83, 47, 70, 17, 
47, 82, 60, 45]
 
 

 
 
这样就可以得到无重复采样数据了。
 
 

 
 
如何实现排序算法
 
 

 
 
算法种类较多，就不一一举例；在此就以希尔排序(Shell Sort)为例讲讲：
 
 

 
 
希尔排序的原理：希尔排序(Shell Sort)是插入排序的一种。也称缩小增量排序，是直接插入排序算法的一种更高效的改进版本。
 
 
 
 
希尔排序是把记录按下标的一定增量分组，对每组使用直接插入排序算法排序；随着增量逐渐减少，每组包含的关键词越来越多，当增量减至1时，整个文件恰被分成一组，算法便终止。

 
 
基础的插入法排序是两重循环，希尔排序是三重循环，最外面一重循环，控制增量gap，并逐步减少gap的值。二重循环从下标为gap的元素开始比较，依次逐个跨组处理。最后一重循环是对组内的元素进行插入法排序。
 
 

 
 
这样进行排序的优点在于每次循环，整个序列的元素都将小元素的值逐步向前移动，数值比较大的值向后移动。
 
 

 
 
示例代码：
 
 

 
 
 
 
from data import DataSeq

def ShellSort(ds):
    assert isinstance(ds, DataSeq), "Type Error"

    Length = ds.length
    D = Length//2
    while D>0:
        i=0
        while i<Length:
            tmp = ds.data[i]

            j=i
            while j>=1 and ds.data[j-D]>tmp:
                ds.SetVal(j, ds.data[j-D])
                j-=D
            ds.SetVal(j, tmp)

            i+=D
        D//=2

if __name__ == "__main__":
    ds=DataSeq(64)
    ds.Visualize()
    ds.StartTimer()
    ShellSort(ds)
    ds.StopTimer()
    ds.SetTimeInterval(0)
    ds.Visualize()
 
 

 
 
如何把数组可视化出来
 
 

 
 
有了随机数组初始化方法，再实现好排序函数，我们还差一步，就是把排序函数中每次移动数组后将数组可视化并输出。
 
 

 
 
对数组进行可视化，很容易想到python的可视化工具matplotlib！但是在项目中我并没有用matplotlib，而是用了numpy+opencv。
 
 

 
 
为什么不用matplotlib？
 
 

 
 
因为在排序过程中，每次修改数组，都希望能够实时修改图片并输出，matplotlib确实很方便，但是matplotlib的效率实在是不高，而且每次修改数组前后的两幅图片其实是差不多的。如果用matplotlib，每次都是要重新绘制图片，非常耗时！！！
 
 

 
 
所以考虑自己生成图片，在每次修改数组后，只将图片中改动的那两列进行修改即可！这样就比用matplotlib每次重新绘制图片效率高得多！
 
 

 
 
数组中主要有两种操作，一种是对某个idx赋值，一种是交换某两个idx的值。
 
 

 
 
示例代码：
 
 

 
 
 
 
class DataSeq:
    WHITE = (255,255,255)
    RED = (0,0,255)
    BLACK = (0,0,0)
    YELLOW = (0,127,255)
    def __init__(self, Length, time_interval=1, sort_title="Figure", repeatition=False):
        pass
    def Getfigure(self):
        _bar_width = 5
        figure = np.full((self.length*_bar_width,self.length*_bar_width,3), 255,dtype=np.uint8)
        for i in range(self.length):
            val = self.data[i]
            figure[-1-val*_bar_width:, i*_bar_width:i*_bar_width+_bar_width] = self.GetColor(val, self.length)
        self._bar_width = _bar_width
        self.figure = figure
    def _set_figure(self, idx, val):
        min_col = idx*self._bar_width
        max_col = min_col+self._bar_width
        min_row = -1-val*self._bar_width
        self.figure[ : , min_col:max_col] = self.WHITE
        self.figure[ min_row: , min_col:max_col] = self.GetColor(val, self.length)
    def SetVal(self, idx, val):
        self.data[idx] = val
        self._set_figure(idx, val)

        self.Visualize((idx,))

    def Swap(self, idx1, idx2):
        self.data[idx1], self.data[idx2] = self.data[idx2], self.data[idx1]
        self._set_figure(idx1, self.data[idx1])
        self._set_figure(idx2, self.data[idx2])

        self.Visualize((idx1, idx2))
 
 

 
 
附上一张效果图：
 
 

 
 
640?wx_fmt=jpeg
 
 

 
 
附上源码链接：
 
 
https://github.com/ZQPei/Sorting_Visualization
 
 

 
 
编辑：文婧
 
 
校对：龚力
 
 
640?wx_fmt=jpeg
 


                

        

        

    




    

      

        

            

              
                
                  数据派THU
                
              
            

            

                关注
              
            

        

        

          
    
            
  • 
              
                
                
                
                
                      0
                
              
              
    点赞
    
            
    • 
            
  • 
              
                
                
                
              
              
    踩
    
            
    • 
            
  • 
              
                
                
                
                
                    4
                
              
              
    
                
    
                  
                    收藏
                  
                
    
              
    
              
    
                
    
                  觉得还不错?
                  
                    一键收藏
                  
                 
                
    
              
    
            
    • 
          
  • 
            
    
              
              
            
    
              
              
              
                    0
              
            
            
    评论
    
          
    • 
          
  • 
          
    • 
          
  • 
            
              
            
              
    
            
              
                
            
    
          
    • 
        

      

      










                



	

		

			

				
					
DS算法--Matlab实现代码

				
			

			

				

					05-10
				

			

		

		

			
				
使用Matlab软件实现证据理论的算法，针对电动车的充电问题进行了分析。

			
		

	



                

              
                



	

		

			

				
					
D-S证据融合理论python代码

				
			

			

				

					csdn_24678的博客
				

				

					09-23
					
					3678
					
				

			

		

		

			
				
D-S证据融合理论python代码

			
		

	



                


  
              

                


	

		

			

				
					
d-s证据理论 matlab 完整代码

				
			

			

				

					qq_30094523的博客
				

				

					07-04
					
					1万+
					
				

			

		

		

			
				
文件1 ds_main.m
clear all;close all;clc;
%%%%%%%%%% D_S算法设置 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

num_Sensor=3; %传感器数目
num_Object=6; %识别对象数目 四个目标(机载雷达: 火控 瞄准 导航 预警)+全集+空集
num_Period=3; %测量周...

			
		

	





	

		

			

				
					
d-s证据理论C++代码

				
			

			

				

					qq_30094523的博客
				

				

					07-04
					
					2621
					
				

			

		

		

			
				
#include <iostream>
#include <stdio.h>
using namespace std;

const int row=2; //证据个数
const int size=6; //识别框架大小
void main()
{
	float A[row][size];  //存储各个证据的基本可信数
	float B[size]; //融合结果
	f...

			
		

	



		

			
		



	

		

			

				
					
d-s证据理论 matlab代码2

				
			

			

				

					qq_30094523的博客
				

				

					07-04
					
					5248
					
				

			

		

		

			
				
代码说明：
matlab7.1环境,把当前文件夹指定为matlab工作目录
simulate.m为主控程序
其余为被调函数
文件1 ds_fusion.m
function x=DS_fusion(x,y)

%功能：融合x,y两行向量

[nx,mx]=size(x);
if 1~=nx
    disp('x应为行向量');
    return;
end

[ny,my]=size(y);
...

			
		

	





	

		

			

				
					
Python使用Min-max算法和Alpha-Beta剪枝的黑白棋游戏AI代码 Pygame可视化

					
最新发布

				
			

			

				

					08-09
				

			

		

		

			
				
# Python使用Min-max算法和Alpha-Beta剪枝的黑白棋游戏AI代码 Pygame可视化 本项目是基于pygame实现的黑白棋（翻转棋）游戏，通过Min-max算法和Alpha-Beta剪枝实现人工智能对手。 使用方法： 1. 安装 pygame： $ pip...

			
		

	





	

		

			

				
					
python选择排序算法的实现代码

				
			

			

				

					12-23
				

			

		

		

			
				
1.算法:对于一组关键字{K1,K2,…,Kn}， 首先从K1,K2,…,Kn中选择最小值，假如它是 Kz，则...2.python 选择排序代码： 复制代码 代码如下:def selection_sort(list2): for i in range(0, len (list2)): min = i for j

			
		

	





	

		

			

				
					
Python实现桶排序与快速排序算法结合应用示例

				
			

			

				

					12-23
				

			

		

		

			
				
本文实例讲述了Python实现桶排序与快速排序算法结合应用的方法。分享给大家供大家参考，具体如下：  #-*- coding: UTF-8 -*- import numpy as np from QuickSort import QuickSort def BucketSort(a, n):  barrel = ...

			
		

	





	

		

			

				
					
python实现计数排序与桶排序实例代码

				
			

			

				

					12-26
				

			

		

		

			
				
计数排序实现 下面为列表的计数排序  def count_sort(s):  """计数排序"""  # 找到最大最小值  min_num = min(s)  max_num = max(s)  # 计数列表  count_list = [0]*(max_num-min_num+1)  # 计数  for i in s:  ...

			
		

	





	

		

			

				
					
那些经典排序算法复现【Python】

				
			

			

				

					01-20
				

			

		

		

			
				
1.选择排序 算法简介： 在给定数组中，找到那个最小的数，与第一个元素交换位置，如果第一个元素就是最小的，那就和本身交换，然后在交换后的数组中，继续寻找最小的，和第二个元素交换，以此类推，每次都选择那个...

			
		

	





	

		

			

				
					
证据理论代码实现DS证据证据的融合

				
			

			

				

					08-24
				

			

		

		

			
				
证据理论的代码实现，可完成证据之间的融合。用c编写，已经通过测试、

			
		

	





	

		

			

				
					
matlab实现的DS证据理论代码-DS_fusion.m

				
			

			

				

					08-12
				

			

		

		

			
				
matlab实现的DS证据理论代码-DS_fusion.m

matlab实现的D-S证据理论代码简单实现，加了一些注释，适用于独立的单一命题。
附件m文件代码：
 
function x=DS_fusion
% 功能：融合x,y两行向量
% x,y的格式形如[m1 m2 m3, ... , mk, m, m]
% 要求m1 m2 m3 ...之间互相无交集
% m可不为0，表示不确定度
% m肯定是0
[nx,mx]=size;
if 1~=nx
    disp;
    return;
end
[ny,my]=size;
if 1~=ny
    disp;
    return;
end
if mx~=my
    disp;
    return;
end
temp=0;
for i=1:mx-1
    
    if i==mx-1
        x=x*y;  %对全集的特殊处理
    else
        x=x*y x*y y*x;
    end
    temp=temp x;
end
for i=1:mx-1
    x=x/temp;
end
x=0;
    
复制代码


			
		

	





	

		

			

				
					
基于DS证据理论的信息融合代码

				
			

			

				

					12-18
				

			

		

		

			
				
基于DS证据理论的信息融合代码，应用证据合成法则融合的数据，最终做出决策

			
		

	





	

		

			

				
					
DS证据理论的MATLAB案例程序源代码

				
			

			

				

					12-07
				

			

		

		

			
				
本资源是一个基于Matlab软件的D-S证据理论的源代码，其中代码有相应注释，如果对程序代码存在不懂之处可留言。欢迎大家留言交流。

			
		

	





	

		

			

				
					
DS证据理论

				
			

			

				

					12-23
				

			

		

		

			
				
证据理论 数据融合证据理论 数据融合证据理论 数据融合

			
		

	





	

		

			

				
					
D-S证据理论学习笔记（一）

					
热门推荐

				
			

			

				

					李猛哲的专栏
				

				

					09-30
					
					6万+
					
				

			

		

		

			
				
一.D-S证据理论引入 
诞生 
　　D-S证据理论的诞生：起源于20世纪60年代的哈佛大学数学家A.P. Dempster利用上、下限概率解决多值映射问题，1967年起连续发表一系列论文，标志着证据理论的正式诞生。　　 
形成 
     dempster的学生G.shafer对证据理论做了进一步发展，引入信任函数概念，形成了一套“证据”和“组合”来处理不确定性推理的数学方法 
  D-S理论是对

			
		

	





	

		

			

				
					
【数据融合】基于DS证据理论实现数据融合附matlab代码

				
			

			

				

					matlab_dingdang的博客
				

				

					06-02
					
					3344
					
				

			

		

		

			
				
将多传感器信息融合技术引用到军事领域，介绍了基于 D-S 证据理论的多传感器多个测量周期的信息融合（时空信息融合）的方法，并将该方法应用于多个雷达的信息融合。模拟实验结果表明，与单个传感器相比，基于 D-S 证据理论的多传感器时空信息融合的结果具有较高的准确度和可信度​。


3 仿真结果

[1]王力. 基于DS证据理论的多传感器数据融合算法研究与应用[D]. 太原理工大学.部分理论引用网络文献，若有侵权联系博主删除​

			
		

	





	

		

			

				
					
基于MATLAB的DS证据融合代码

				
			

			

				

					xiaoyec1的博客
				

				

					06-18
					
					5786
					
				

			

		

		

			
				
发现DS证据理论相关代码还是不多，这里先上一个最简单的基于DS证据组合规则的小代码吧。
融合函数：DS_fusions(A)，A为所需要进行数据融合的矩阵，矩阵列为命题，行为各证据体对命题的支持程度。
function [x,k]=DS_fusions(A)%返回的x为融合后的各命题的支持程度，k为冲突系数。
format long;
%功能：融合矩阵A中各列命题的证据
[nr,mc]=size(A);%获取A的行数和列数
fusion=prod(A); %求每列的积
k=sum(fusion,2);%求K

			
		

	





	

		

			

				
					
python ds evidence theory code

				
			

			

				

					06-12
				

			

		

		

			
				
ds 证据理论 python 代码

			
		

	





	

		

			

				
					
python可视化界面实现十大排序算法

				
			

			

				

					05-23
				

			

		

		

			
				
好的，我们可以使用Python的Tkinter库来实现可视化界面，并结合排序算法的实现来展示排序过程。  以下是一个简单的示例代码，演示如何使用Tkinter实现选择排序算法的可视化界面：  ```python import tkinter as tk ...

			
		

	



              



  
“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