0️⃣python数据结构与算法学习路线
学习内容:
- 基本算法:枚举、排序、搜索、递归、分治、优先搜索、贪心、双指针、动态规划等…
- 数据结构:字符串(string)、列表(list)、元组(tuple)、字典(dictionary)、集合(set)、数组、队列、栈、树、图、堆等…
排序算法基础知识
常见排序算法:
o(n2):冒泡排序、插入排序、选择排序、希尔排序
o(nlogn):归并排序、快速排序、堆排序
o(n):桶排序、基数排序、计数排序
Python 实现十大经典排序算法-LeetCode案例版
冒泡排序
时间复杂度:o(n2)
算法实现:每次选出最大值,放在最后一个
程序:
def bubble_sort(alist):
n = len(alist)
for i in range(n-1,0,-1):
count = 0
for j in range(i):
if alist[i] > alist[i+1]:
alist[i],alist[i+1] = alist[i+1],alist[i]
count += 1
if 0 == count:
break
return alist
选择排序
时间复杂度:o(n2)
算法实现:每次选出最小值,放在第一个
程序:
def select_sort(alist):
n = len(alist)
for i in range(n-1):
min_index = i
for j in range(i+1,n):
if alist[j] < alist[min_index]:
min_index = j
alist[i],alist[min_index] = alist[min_index], alist[i]
return alist
插入排序
时间复杂度:o(n2)
算法实现:不断地从后面选一个数,然后插入到前面已经有序的序列里
程序:
def insert_sort(alist):
n = len(alist)
for i in range(1,n):
while (i>0):
if alist[i] < alist[i-1]:
alist[i], alist[i-1] = alist[i-1], alist[i]
i -= 1
else:
break
return alist
希尔排序
时间复杂度:o(n2)
算法实现:一种分组插入排序算法
程序:
def shell_sort(alist):
n = len(alist)
gap = n // 2
while gap > 0:
for i in range(gap,n):
j = i
while j > 0:
if alist[j] > alist[j-gap]:
alist[j], alist[j-gap] = alist[j-gap], alist[j]
j -= gap
else:
break
gap //= 2
return alist
快速排序
时间复杂度:o(nlogn)
算法实现:指定第一个数为mid_value,排序使得mid_value左边的数比mid_value小,右边的数比mid_value大,然后分别对左边和右边进行递归排序
程序:
def quick_sort(alist, start, end):
if start >= end:
return
mid_value = alist[start]
low = start
hight = end
while low < hight:
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, start, low-1)
quick_sort(alist, low+1, end)
if __name__ == '__main__':
li = [54, 26, 93, 17, 77, 31, 44, 55, 20, 13]
quick_sort(li, 0, len(li)-1)
print(li)
归并排序
时间复杂度:o(nlogn)
算法实现:拆分到单个元素,然后两个两个往上进行递归合并。设置left 和right两个游标,进行合并。
程序:
# 归并排序
def merge_sort(alist):
n = len(alist)
if n <= 1:
return alist
mid = n//2
left = merge_sort(alist[:mid])
right = merge_sort(alist[mid:])
left_point,right_point = 0,0
result = []
while left_point < len(left) and right_point < len(right):
if left[left_point] <= right[right_point]:
result.append(left[left_point])
left_point += 1
else:
result.append(right[right_point])
right_point += 1
result += left[right_point:]
result += right[left_point:]
return result
堆排序
时间复杂度:o(nlogn)
算法实现:构造堆:从小堆到大堆,先看最后一个非叶子节点,从下往上
程序:
# 堆排序
# 向下调整函数的实现, 此处建立大根堆,可实现数组升序排列
def sift(alist, low, high):
# 假设只有根节点需要调整,两棵子树都是堆
i = low
j = i *2 +1 #j指向i的左子树
tmp = alist[i]
while j <=high:
if j+1<= high and alist[j] < alist[j+1] #右子树比较大,则指向右子树
j = j+1
if alist[j] > tmp: # 若子树的值比较大,则根节点换成子树,然后向下看一层
alist[i] = alist[j]
i = j
j = i *2 +1
else:
alist[i] = tmp # 子树的值小于根节点,则根节点就放在这一层
break
else:
alist[i] = tmp # j越界跳出循环,则把根节点放在叶子节点
def heap_sort(alist):
# 1、建堆
# 先找到最后一个不是叶子节点的根节点,为(n-2)//2 (若叶子节点为i,则他的父节点为(i-1)//2 )
# 再向上循环根节点,从小到大
n = len(alist)
for i in range((n-2)//2, -1, -1):
sift(alist,i,n-1)
# 2、挨个出数,按升序排列
for i in range(n-1, -1, -1):
alist[0], alist[i] = alist[i], alist[0]
sift(alist, 0, i-1)
if __name__ == '__main__':
li = [54, 26, 93, 17, 77, 31, 44, 55, 20, 13]
heap_sort(li)
print(li)
桶排序
时间复杂度:o(nlogn)
算法实现:
桶排序,顾名思义,会用到“桶" ,核心思想是将要排序的数据分到几个有序的桶里,每个桶里的数据再单独进行排序。桶内排完序之后,再把每个桶里的数据按照顺序依次取出,组成的序列就是有序的了。
对排序的数据要求苛刻:
1.要排序的数据需要很容易就能划分成m个桶,并且,桶与桶之间有着天然的大小顺序。
2.数据在各个桶之间的分布是比较均匀的。
3.桶排序比较适合用在外部排序中。所谓的外部排序就是数据存储在外部磁盘中,数据量比较大,内存有限,无法将数据全部加载到内存中。
程序: