数据结构与算法：选择排序

数据结构与算法：选择排序

雪柯

大工生物信息 提笔为写给奋进之人

已关注

8 人赞同了该文章

引用自算法图解，作者[美] Aditya Bhargava 译袁国忠 特别备注：本书非原创，但部分内容自己会再进行解释，以便更容易理解，重点部分会加粗

目前数据结构与算法已更新文章：

我要自学生信之数据结构与算法:算法简介

 

本章内容

• 学习两种最基本的数据结构——数组和链表，它们无处不在。第1章使用了数组，其他各章几乎也都将用到数组。数组是个重要的主题，一定要高度重视！但在有些情况下，使用链表比使用数组更合适。本章阐述数组和链表的优缺点，让你能够根据要实现的算法 选择合适的一个。
• 学习第一种排序算法。很多算法仅在数据经过排序后才管用。还记得二分查找吗？它只 能用于有序元素列表。本章将介绍选择排序。很多语言都内置了排序算法，因此你基本 上不用从头开始编写自己的版本。但选择排序是下一章将介绍的快速排序的基石。快速 排序是一种重要的算法，如果你熟悉其他排序算法，理解起来将更容易。

2.1 内存的工作原理

假设你去看演出，需要将东西寄存。寄存处有一个柜子，柜子有很多抽屉。

图片来源：算法图解

你将两样东西存放在这里。

图片来源：算法图解

现在你可以去看演出了！这大致就是计算机内存的工作原理。计算机就像是很多抽屉的集合 体，每个抽屉都有地址。

图片来源：算法图解

fe0ffeeb是一个内存单元的地址。

需要将数据存储到内存时，你请求计算机提供存储空间，计算机给你一个存储地址。需要存 储多项数据时，有两种基本方式——数组和链表。但它们并非都适用于所有的情形，因此知道它们的差别很重要。接下来介绍数组和链表以及它们的优缺点。

2.2 数组和链表

有时候，需要在内存中存储一系列元素。假设你要编写一个管理待办事项的应用程序，为此需要将这些待办事项存储在内存中。

应使用数组还是链表呢？鉴于数组更容易掌握，我们先将待办事项存储在数组中。使用数组意味着所有待办事项在内存中都是相连的（紧靠在一起的）。

图片来源：算法图解

现在假设你要添加第四个待办事项，但后面的那个抽屉放着别人的东西！

图片来源：算法图解

这就像你与朋友去看电影，找到地方就坐后又来了一位朋友，但原来坐的地方没有空位置， 只得再找一个可坐下所有人的地方。在这种情况下，你需要请求计算机重新分配一块可容纳4个 待办事项的内存，再将所有待办事项都移到那里。

如果又来了一位朋友，而当前坐的地方也没有空位，你们就得再次转移！真是太麻烦了。同 样，在数组中添加新元素也可能很麻烦。如果没有了空间，就得移到内存的其他地方，因此添加新元素的速度会很慢。一种解决之道是“预留座位”：即便当前只有3个待办事项，也请计算机提 供10个位置，以防需要添加待办事项。这样，只要待办事项不超过10个，就无需转移。这是一个不错的权变措施，但你应该明白，它存在如下两个缺点。

• 你额外请求的位置可能根本用不上，这将浪费内存。你没有使用，别人也用不了。
• 待办事项超过10个后，你还得转移。

因此，这种权宜措施虽然不错，但绝非完美的解决方案。对于这种问题，可使用链表来解决

2.2.1 链表

链表中的元素可存储在内存的任何地方。

图片来源：算法图解

链表的每个元素都存储了下一个元素的地址，从而使一系列随机的内存地址串在一起。

图片来源：算法图解

这犹如寻宝游戏。你前往第一个地址，那里有一张纸条写着“下一个元素的地址为123”。因 此，你前往地址123，那里又有一张纸条，写着“下一个元素的地址为847”，以此类推。在链表 中添加元素很容易：只需将其放入内存，并将其地址存储到前一个元素中。

使用链表时，根本就不需要移动元素。这还可避免另一个问题。假设你与五位朋友去看一部 很火的电影。你们六人想坐在一起，但看电影的人较多，没有六个在一起的座位。使用数组时有 时就会遇到这样的情况。假设你要为数组分配10000个位置，内存中有10 000个位置，但不都靠 在一起。在这种情况下，你将无法为该数组分配内存！链表相当于说“我们分开来坐”，因此， 只要有足够的内存空间，就能为链表分配内存。 链表的优势在插入元素方面，那数组的优势又是什么呢？（优势在于查找）

2.2.2 数组

排行榜网站使用卑鄙的手段来增加页面浏览量。它们不在一个页面中显示整个排行榜，而将排行榜的每项内容都放在一个页面中，并让你单击 Next来查看下一项内容。例如，显示十大电视反派时，不在一个页面中显 示整个排行榜，而是先显示第十大反派（Newman）。你必须在每个页面中 单击Next，才能看到第一大反派（Gustavo Fring）。这让网站能够在10个页 面中显示广告，但用户需要单击Next 九次才能看到第一个，真的是很烦。 如果整个排行榜都显示在一个页面中，将方便得多。这样，用户可单击排行榜中的人名来获得更详细的信息。

注：不断点击下一个的方式可以形象的来代表链表存储

链表存在类似的问题。在需要读取链表的最后一个元素时，你不能直接读取，因为你不知道 它所处的地址，必须先访问元素#1，从中获取元素#2的地址，再访问元素#2并从中获取元素#3 的地址，以此类推，直到访问最后一个元素。需要同时读取所有元素时，链表的效率很高：你读取第一个元素，根据其中的地址再读取第二个元素，以此类推。但如果你需要跳跃，链表的效率真的很低。

数组与此不同：你知道其中每个元素的地址。例如，假设有一个数组，它包含五个元素，起 始地址为00，那么元素#5的地址是多少呢？ （数组是带索引的，你还记得索引是什么吗？如果忘记了，先回第一章看一下，这个概念很很重要）

 

图片来源：算法图解

只需执行简单的数学运算就知道：04。需要随机地读取元素时，数组的效率很高，因为可迅 速找到数组的任何元素。在链表中，元素并非靠在一起的，你无法迅速计算出第五个元素的内存 地址，而必须先访问第一个元素以获取第二个元素的地址，再访问第二个元素以获取第三个元素的地址，以此类推，直到访问第五个元素。

2.2.3 术语

数组的元素带编号，编号从0而不是1开始。例如，在下面的数组中，元素20的位置为1。

图片来源：算法图解

注：这里区别于R语言，R中索引从1开始

而元素10的位置为0。这通常会让新手晕头转向。从0开始让基于数组的代码编写起来更容易， 因此程序员始终坚持这样做。几乎所有的编程语言都从0开始对数组元素进行编号。你很快就会 习惯这种做法。 元素的位置称为索引。因此，不说“元素20的位置为1”，而说“元素20位于索引1处”。本书将使用索引来表示位置。 下面列出了常见的数组和链表操作的运行时间。

图片来源：算法图解

问题：在数组中插入元素时，为何运行时间为O(n)呢？假设要在数组开头插入一个元素，你将如何做？这需要多长时间？请阅读下一节，找出这些问题的答案！

 

2.2.4 在中间插入

假设你要让待办事项按日期排列。之前，你在清单末尾添加了待办事项。 但现在你要根据新增待办事项的日期将其插入到正确的位置。

图片来源：算法图解

需要在中间插入元素时，数组和链表哪个更好呢？使用链表时，插入元素很简单，只需修改 它前面的那个元素指向的地址。

图片来源：算法图解

而使用数组时，则必须将后面的元素都向后移。

图片来源：算法图解

注：通俗的解释就是，每个位置的编号都是确定的，如0-8号，一个人贸然前来就会导致后面的人每一个都要调整位置给他

如果没有足够的空间，可能还得将整个数组复制到其他地方！因此，当需要在中间插入元素 时，链表是更好的选择。

2.2.5 删除

如果你要删除元素呢？链表也是更好的选择，因为只需修改前一个元素指向的地址即可。而 使用数组时，删除元素后，必须将后面的元素都向前移。

不同于插入，删除元素总能成功。如果内存中没有足够的空间，插入操作可能失败，但在任 何情况下都能够将元素删除。 下面是常见数组和链表操作的运行时间。

图片来源：算法图解

需要指出的是，仅当能够立即访问要删除的元素时，删除操作的运行时间才为O(1)。通常我 们都记录了链表的第一个元素和最后一个元素，因此删除这些元素时运行时间为O(1)。

数组和链表哪个用得更多呢？显然要看情况。但数组用得很多，因为它支持随机访问。有两 种访问方式：随机访问和顺序访问。顺序访问意味着从第一个元素开始逐个地读取元素。链表只 能顺序访问：要读取链表的第十个元素，得先读取前九个元素，并沿链接找到第十个元素。随机访问意味着可直接跳到第十个元素。本书经常说数组的读取速度更快，这是因为它们支持随机访 问。很多情况都要求能够随机访问，因此数组用得很多。数组和链表还被用来实现其他数据结构， 这将在本书后面介绍。

2.3 选择排序

有了前面的知识，你就可以学习第二种算法——选择排序了。要理解本节的内容，你必须熟悉数组、链表和大O表示法。

假设你的计算机存储了很多乐曲。对于每个乐队，你都记录了其作品被播放的次数。

图片来源：算法图解

你要将这个列表按播放次数从多到少的顺序排列，从而将你喜欢的乐队排序。该如何做呢？

一种办法是遍历这个列表，找出作品播放次数最多的乐队，并将该乐队添加到一个新列表中。

图片来源：算法图解

再次这样做，找出播放次数第二多的乐队。

图片来源：算法图解

继续这样做，你将得到一个有序列表。

图片来源：算法图解

下面从计算机科学的角度出发，看看这需要多长时间。别忘了，O(n)时间意味着查看列表中 的每个元素一次。例如，对乐队列表进行简单查找时，意味着每个乐队都要查看一次。

图片来源：算法图解

要找出播放次数最多的乐队，必须检查列表中的每个元素。正如你刚才看到的，这需要的时 间为O(n)。因此对于这种时间为O(n)的操作，你需要执行n次。

图片来源：算法图解

需要的总时间为 O(n × n)，即O(n2)。 排序算法很有用。你现在可以对如下内容进行排序：

• 电话簿中的人名
• 旅行日期
• 电子邮件（从新到旧）

注：会有一些人产生疑问，每一个选出播放次数最高的，后面不是越来越少吗？这就涉及到一个常数问题，我们计算一下，第一次是n，第二次n-1，最后一次是1，所以是1+2+3+……+（n-1）+n=n（n+1）/2 大O表示法忽略常数，所以写成O（n^2)

选择排序是一种灵巧的算法，但其速度不是很快。快速排序是一种更快的排序算法，其运行 时间为O(n log n)，这将在下一章介绍。

代码：

def findSmallest(arr):   
    smallest = arr[0]   
    smallest_index = 0    
    for i in range(1, len(arr)):     
        if arr[i] < smallest: 
            smallest = arr[i] 
            smallest_index = i   
    return[smallest_index] 现在可以使用这个函数来编写选择排序算法了。 
def selectionSort(arr):   
    newArr = []    
    for i in range(len(arr)): 
        smallest = findSmallest(arr) 
        newArr.append(arr.pop(smallest)) 
return [newArr] 
print (selectionSort([5, 3, 6, 2, 10]))

 

编辑于 11-05