一、利用python实现快速排序
快速排序
快速排序(英语:Quicksort),又称划分交换排序(partition-exchange sort),通过一趟排序将要排序的数据分割成独立的两部分,其中一部分的所有数据都比另外一部分的所有数据都要小,然后再按此方法对这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。
步骤为:
1.从数列中挑出一个元素,称为"基准"(pivot),
2.重新排序数列,所有元素比基准值小的摆放在基准前面,所有元素比基准值大的摆在基准的后面(相同的数可以到任一边)。在这个分区结束之后,该基准就处于数列的中间位置。这个称为分区(partition)操作。
3.递归地(recursive)把小于基准值元素的子数列和大于基准值元素的子数列排序。
递归的最底部情形,是数列的大小是零或一,也就是永远都已经被排序好了。虽然一直递归下去,但是这个算法总会结束,因为在每次的迭代(iteration)中,它至少会把一个元素摆到它最后的位置去。
这样讲可能太抽象了。我们这样来说,假设数组alist = [55,45,65,78,42,32,15],把第一个元素55看成基准元素,那么找到一个数组,55左边部分都比它小,右边部分都比它大。这里假设存在两根指针:low、high,low的起始位置指向的是55,high的起始位置指向15,即alis[low] = 55,alist[high] = 15。alist[high] <55,那么alist[low] = alist[high],此时low指针右移,alist[low] = 45,他是小于55的,则指针右移,此时alist[65] > 55,那么alis[high] = alist[low]…………最后low和high两根重叠在一起,将55放进去。
接着,我们进行第二轮,将55左边的数看成一个数组,右边的数也看成一个数组……
直到最后,数组的长度小于等于1,也就是low和high一开始就是重合,这时候我们就得到了结果。
根据上面的步骤,我们能明显的看出,这些步骤可以用递归进行实现(即函数内部调用自身函数)下面用代码去实现:
def quick_sort(alist,first,last):
"""创建递归函数,传入列表、low的起始索引、high的起始索引"""
if first >= last: # 此时列表中有一个元素或者为空,就不需要排序了
return
mid_value = alist[first] #设置起始位置的元素为要寻找位置的基准元素
low = first
high = last
while low < high: # 即当索引low小于索引high的时候,两根指标继续移动,重合的时候,表示基准元素找到位置
while low < high and alist[high] >= mid_value:
high -= 1
alist[low] = alist[high]
while low < high and alist[low] < mid_value:
low += 1
alist[high] = alist[low]
alist[low] = mid_value
quick_sort(alist,first,low-1)# 对基准元素左边的子序列进行快速排序
quick_sort(alist,low+1,last)# 对基准元素右边的子序列进行快速排序
if __name__ == "__main__":
li = [45,25,12,86,42,14]
quick_sort(li,0,len(li)-1)
print(li)
运行结果如下:
[12, 14, 25, 42, 45, 86]
最优时间复杂度:O(nlogn)
最坏时间复杂度:O(n2)
稳定性:不稳定
例如:[1,0,0,0]
二、利用python实现归并排序
归并排序
归并排序是采用分治法的一个非常典型的应用。归并排序的思想就是先递归分解数组,再合并数组。
将数组分解最小之后,然后合并两个有序数组,基本思路是比较两个数组的最前面的数,谁小就先取谁,取了后相应的指针就往后移一位。然后再比较,直至一个数组为空,最后把另一个数组的剩余部分复制过来即可。
即将列表分成每个仅包含一个元素的小列表,然后两两比较,再两两合并…………
下面用代码去实现:
def merge_sort(alist):
n = len(alist)
if n <= 1:
return alist #这里与快排不一样,快排传入的永远是一个列表,而归并传入的是一个个分割的列表
mid = n//2
#将左边的列表进行分割
left_li = merge_sort(alist[:mid])
#将右边的列表进行分割
right_li = merge_sort(alist[mid:])
#左右两边都设置一个指针
left_pointer = 0
right_pointer = 0
result = [] #创建一个新的列表,用来存放打散的各个列表
#设置终止条件
while left_pointer < len(left_li) and right_pointer < len(right_li):
if left_li[left_pointer] <= right_li[right_pointer]: #将小的元素添加进去,形成有序列表
result.append(left_li[left_pointer])
left_pointer += 1
else:
result.append(right_li[right_pointer])
right_pointer += 1
#将剩余部分添加进去,因为其中一个列表必定为空,两者先后顺序无所谓
result += left_li[:left_pointer]
result += right_li[right_pointer]
return result
if __name__ == "__main__":
alist = [54, 26, 93, 17, 77, 31, 44, 55, 20]
sorted_alist = merge_sort(alist)
print(sorted_alist)
执行结果如下:
[17, 20, 26, 31, 44, 54, 55, 77, 93]
最优时间复杂度:O(nlogn)
最坏时间复杂度:O(nlogn)
稳定性:稳定
三、二分查找
搜索
搜索是在一个项目集合中找到一个特定项目的算法过程。搜索通常的答案是真的或假的,因为该项目是否存在。 搜索的几种常见方法:顺序查找、二分法查找、二叉树查找、哈希查找
二分查找又称折半查找,优点是比较次数少,查找速度快,平均性能好;其缺点是要求待查表为有序表,且插入删除困难。因此,折半查找方法适用于不经常变动而查找频繁的有序列表。首先,假设表中元素是按升序排列,将表中间位置记录的关键字与查找关键字比较,如果两者相等,则查找成功;否则利用中间位置记录将表分成前、后两个子表,如果中间位置记录的关键字大于查找关键字,则进一步查找前一子表,否则进一步查找后一子表。重复以上过程,直到找到满足条件的记录,使查找成功,或直到子表不存在为止,此时查找不成功。
下面用两种方式实现:
首先用递归方式实现二分查找:
def binary_search(alist,item):
num = len(alist)
if num >0:
mid = num // 2
if alist[mid] == item:
return True
elif alist[mid] > item:
return binary_search(alist[:mid])
elif alist[mid] > item:
return binary_search(alist[mid+1:])
return False
if __name__ == "__main__":
li = [1,2,3,4,5,6]
binary_search(li,5)
print(binary_search(li,5))
运行结果如下:
True
再用非递归方式进行实现:
def binary_search(alist,item):
num = len(alist)
first_pointer = 0
last_pointer = num-1
while first_pointer < last_pointer:
mid = (first_pointer + last_pointer) // 2
if alist[mid] == item:
return True
elif alist[mid] < item
first_pointer = mid+1
else:
last_pointer = mid-1
```