数据结构与算法整理3

最新推荐文章于 2024-08-21 23:40:55 发布

奕直张不大

最新推荐文章于 2024-08-21 23:40:55 发布

阅读量256

点赞数 4

文章标签：排序算法算法数据结构

本文链接：https://blog.csdn.net/weixin_67684635/article/details/140934752

版权

冒泡排序

冒泡排序思路：

对于从小到大排序，从头到尾以此比较相邻的两个元素的大小，如果前一个元素的值大于后一个元素，则两个元素交换位置，直到最后两个元素比较完成，完成一轮排序，依此类推，完成排序

6	2	1	4	7	3
2	6	1	4	7	3
2	1	6	4	7	3
2	1	4	6	7	3
2	1	4	6	7	3
2	1	4	6	3	7
依次类推…
1	2	4	6	3	7
1	2	4	6	3	7

list1 = [6, 2, 1, 4, 7, 3, 5]

for i in range(len(list1)):
    for j in range(len(list1) - i - 1):
        if list1[j] > list1[j + 1]:
            list1[j], list1[j + 1] = list1[j + 1], list1[j]

print(list1)

选择排序

选择排序思路：

选定第一个索引位置，然后和后面元素依次比较
如果后面的元素, 小于第一个索引位置的元素, 则交换索引的值
经过一轮的比较后, 可以确定第一个位置是最小的
然后使用同样的方法把剩下的元素逐个比较即可
可以看出选择排序，第一轮会选出最小值，第二轮会选出第二小的值，直到最后

def selection_sort(list):
    length = len(list)
    for i in range(length - 1):
        index = i
        for j in range(i + 1, length):
            if list[index] > list[j]:
                index = j
        list[i], list[index] = list[index], list[i]


list = [6, 2, 1, 4, 7, 3, 5]
selection_sort(list)
print(list)

插入排序

插入排序的思路:

从第一个元素开始，该元素可以认为已经被排序
取出下一个元素，在已经排序的元素序列中从后向前扫描
如果该元素（已排序）大于新元素，将该元素移到下一位置
重复上一个步骤，直到找到已排序的元素小于或者等于新元素的位置
将新元素插入到该位置后, 重复上面的步骤.
总结:假设一个空教室,里面按照从低到高的身高站座位,教室外面的人进入一个就跟最高的比较比它高的人就往后移动一个位置直到找到最后一个移动位置的人把移动后的位置给新人

def insertion_sort(arr):  
    length = len(arr) 
    for i in range(1, length):  
        j = i  
        temp = arr[i]  
        while j > 0 and arr[j-1] > temp:
            arr[j] = arr[j-1]  
            j -= 1  
        arr[j] = temp 
        
list=[6,2,1,4,7,3,5]
insertion_sort(list)
print(list)

归并排序

基本思想与过程：先递归的分解数列，再合并数列（分治思想的典型应用）

（1）将一个数组拆成A、B两个小组，两个小组继续拆，直到每个小组只有一个元素为止。

（2）按照拆分过程逐步合并小组，由于各小组初始只有一个元素，可以看做小组内部是有序的，合并小组可以被看做是合并两个有序数组的过程。

（3）对左右两个小数列重复第二步，直至各区间只有1个数。

下面对数组【42,20,17,13,28,14,23,15】进行归并排序，模拟排序过程如下：

第一步：拆分数组，一共需要拆分三次；

第一次拆成【42,20,17,13】，【28,14,23,15】，

第二次拆成【42,20】，【17,13】，【28,14】，【23,15】，、

第三次拆成【42】，【20】，【17】，【13】，【28】，【14】，【23】，【15】；

第二步：逐步归并数组，采用合并两个有序数组的方法，每次将两个有序数组的最小数据拿出来比较谁小谁就添加进去其中一个没有数据了就把剩下的全部加进去

第一次归并为【20,42】，【13,17】，【14,28】，【15,23】

第二次归并为【13,17,20,42】，【14,15,23,28】，

第三次归并为【13, 14, 15, 17, 20, 23, 28, 42】

#合并两个列表
def merge(left, right):  
    result = []  
    i = j = 0  
    while i < len(left) and j < len(right):  
        if left[i] < right[j]:  
            result.append(left[i])  
            i += 1  
        else:  
            result.append(right[j])  
            j += 1  
    result += left[i:]  
    result += right[j:]  
    return result
  
#归并排序
def merge_sort(arr):  
    length = len(arr)  
    if length > 1:  
        index = length // 2  
        left = arr[:index]  
        right = arr[index:]  
        return merge(merge_sort(left), merge_sort(right))  
    else:  
        return arr  


list=[42,20,17,13,28,14,23,15]
newlist=merge_sort(list)
print(newlist)

快速排序

快速排序的思想:

快速排序最重要的思想是分而治之.
比如我们有这样一堆数字需要排序: [13,81,92,43,65,31,57,26,75,0]
- 第一步: 从其中选出了65. (其实可以是选出任意的数字, 我们以65举个栗子)
- 第二步: 我们通过算法: 将所有小于65的数字放在65的左边, 将所有大于65的数字放在65的右边.
- 第三步: 递归的处理左边的数据.(比如你选择31来处理左侧), 递归的处理右边的数据.(比如选择75来处理右侧, 当然选择81可能更合适)
- 最终: 排序完成

def quick_sort(arr):
    if len(arr) <= 1:
        return arr
    value = arr[len(arr) // 2]
    left = [x for x in arr if x < value]
    mid = [x for x in arr if x == value]
    right = [x for x in arr if x > value]
    return quick_sort(left) + mid + quick_sort(right)

list1 = [13, 81, 92, 43, 65, 31, 57, 26, 75, 0]
new_list = quick_sort(list1)
print(new_list)

顺序搜索

从数据结构的第一个元素开始逐个检查，直到找到目标值或遍历完整个数据集。适用于数组和链表等基本数据结构。

def binary_search(arr, target):
    for i in range(len(arr)):
        if arr[i] == target:
            return i
    return False

sorted_array = [1, 3, 5, 7, 9, 11, 13, 15, 17, 19]
search_target = 11
result_index = binary_search(sorted_array, search_target)

二分搜索

针对有序数组进行搜索，通过不断将搜索范围减半来提高查找效率。每次都将搜索区间划分为两部分，并基于中间元素与目标值的比较决定是在左半边还是右半边继续搜索。

def binary_search(arr, target):
    left, right = 0, len(arr)

    while left < right:
        mid = left + (right - left) // 2
        if arr[mid] == target:
            return mid
        elif arr[mid] < target:
            left = mid + 1
        else:
            right = mid - 1
    return False

sorted_array = [1, 3, 5, 7, 9, 11, 13, 15, 17, 19]
search_target = 11
result_index = binary_search(sorted_array, search_target)