2020-06-10 17:06发布
十种常见排序算法一般分为以下几种:
(1)非线性时间比较类排序:
a. 交换类排序(快速排序、冒泡排序)
b. 插入类排序(简单插入排序、希尔排序)
c. 选择类排序(简单选择排序、堆排序)
d. 归并排序(二路归并排序、多路归并排序)
(2)线性时间非比较类排序:
a. 技术排序
b. 基数排序
c. 桶排序
总结:
(1)在比较类排序种,归并排序号称最快,其次是快速排序和堆排序,两者不相伯仲,但是有一点需要注意,数据初始排序状态对堆排序不会产生太大的影响,而快速排序却恰恰相反。
(2)线性时间非比较类排序一般要优于非线性时间比较类排序,但前者对待排序元素的要求较为严格,比如计数排序要求待待排序数的最大值不能太大,桶排序要求元素按照hash分桶后桶内元素的数量要均匀。线性时间非比计较类排序的典型特点是以空间换时间。
python虽然具备很多高级模块,也是自带电池的编程语言,但是要想做一个合格的程序员,基本的算法还是需要掌握,本文主要介绍列表的一些排序算法
递归是算法中一个比较核心的概念,有三个特点,
1调用自身
2具有结束条件
3代码规模逐渐减少
1、选择排序
选择排序是一种简单直观的排序算法。它的原理是这样:首先在未排序序列中找到最小(大)元素,存放到排序序列的起始位置,然后,再从剩余未排序元素中继续寻找最小(大)元素,然后放到已排序序列的后面,以此类推,直到所有元素均排序完毕。算法实现如下:
#找到最小的元素def FindSmall(list):
min
=
list
[
0
]
for
i
in
range
(
len
)):
if
[i]<
:
[i]
return
#选择排序def Select_Sort(list):
newArr
[]
minValue
FindSmall(
)
newArr.append(minValue)
.remove(minValue)
testArr
11
,
22
33
21
123
print
(Select_Sort(testArr))
2、快速排序
快速排序的运行速度快于选择排序,它的工作原理是这样:设要排序的数组是N,首先任意选取一个数据(通常选用数组的第一个数)作为关键数据,然后将所有比它小的数都放到它前面,所有比它大的数都放到它后面,这个过程称为一趟快速排序。可以使用python用递归式的方法来解决这个问题:
def
Quick_Sort(
):
)<
2
else
temp
less
[i
1
:]
i<
temp]
more
i>temp]
Quick_Sort(less)
+
[temp]
Quick_Sort(more)
13
44
53
24
876
(Quick_Sort(testArr))
3、二分查找
二分查找的输入是一个有序的列表,如果要查找的元素包含在一个有序列表中,二分查找可以返回其位置。打个比方来说明二分查找的原理:比如我随便想了个范围在1~100以内的整数,由你来猜,以最少的次数来猜出这个数字,你每次猜完给出个数字,我会回复大了或小了,第一种方法是你从1开始依次往后猜,那如果我想的数字是100,那么你就要猜100次;第二种方法是从50开始,如果我说小了,那你就猜75,就这样依次排除掉一半的剩余数字,这就是二分查找法。可以看出二分查找法更加快速。对于包含n个元素的有序列表,用简单查找最多需要n步,而二分查找法则最多只需lon2 n步。下面用python来实现该算法:
Item_Search(
,item):
low
high
-
while
low<
high:
middle
(low
high)
/
[middle])
[middle]>item:
elif
[middle]
None
test_list
3
5
7
9
15
17
19
Item_Search(test_list,
4、广度优先搜索
广度优先搜索是一种图算法,图由节点和边组成,一个节点可能与多个节点连接,这些节点称为邻居。广度优先搜索算法可以解决两类问题:第一类是从节点A出发,有没有前往节点B的路径;第二类问题是从节点A出发,前往B节点的哪条路径最短。使用广度优先搜索算法的前提是图的边没有权值,即该算法只用于非加权图中,如果图的边有权值的话就应使用狄克斯特拉算法来查找最短路径。举个例子,假如你认识alice、bob、claire,bob认识anuj、peggy,alice认识peggy,claire认识tom、jonny,你需要在最短的路径内找到通过认识的人找到tom,那么算法实现如下:
#使用字典构建图graph={}
graph[
"you"
"Alice"
"Bob"
"Claire"
"Anuj"
"Peggy"
"Tom"
"Jonny"
from
collections
import
deque
#简单的判断方法def person_is_seller(name): return name=='Tom'def Search(name):
searched
#用于记录检查过的人,防止进入死循环
search_queue
deque()
#创建队列
graph[name]
search_queue:
person
search_queue.popleft()
not
searched:
#仅当这个人没检查过时才检查
person_is_seller(person):
"the seller is {0}"
.
format
(person))
True
graph[person]
searched.append(person)
#将这个人标记为检查过
Falseprint(Search(
))
5、贪婪算法
贪婪算法,又名贪心算法,对于没有快速算法的问题(NP完全问题),就只能选择近似算法,贪婪算法寻找局部最优解,并企图以这种方式获得全局最优解,它易于实现、运行速度快,是一种不错的近似算法。假如你是个小偷,商店里有很多箱子,箱子里有各种水果,有些箱子里有3种水果,有些箱子有2种...,你想尝到所有种类的水果,但你一个人力气有限,因此你必须尽量搬走最少的箱子,那么,算法实现如下:
fruits
set
([
"苹果"
"香蕉"
"梨子"
"西瓜"
"草莓"
"橘子"
"荔枝"
"榴莲"
])
#箱子以及包含的水果box={}
box[
"b1"
"b2"
"b3"
"b4"
"b5"
final_boxs
()
#最终选择的箱子#直到fruits为空while fruits:
best_box
#包含了最多的未包含水果的箱子
fruits_covered
#包含该箱子包含的所有未包含的水果
#循环迭代每个箱子,并确定它是否为最佳箱子
boxItem,fruitItem
box.items():
covered
fruits & fruitItem
#计算交集
(covered)>
(fruits_covered):
boxItem
final_boxs.add(best_box)
(final_boxs)
以上就是Python几种常见算法汇总的详细内容
选择排序,插入排序,交换排序
常见的分类算法有:
K近邻算法
决策树
朴素贝叶斯
SVM
Logistic Regression
五种常见的Python算法:
广度优先搜索是一种图算法,图由节点和边组成,一个节点可能与多个节点连接,这些节点称为邻居。广度优先搜索算法可以解决两类问题:第一类是从节点A出发,有没有前往节点B的路径;第二类问题是从节点A出发,前往B节点的哪条路径最短。使用广度优先搜索算法的前提是图的边没有权值,即该算法只用于非加权图中,如果图的边有权值的话就应使用狄克斯特拉算法来查找最短路径。举个例子,假如你认识alice、bob、claire,bob认识anuj、peggy,alice认识peggy,claire认识tom、jonny,你需要在最短的路径内找到通过认识的人找到tom
算法(Algorithm)是指解题方案的准确而完整的描述,是一系列解决问题的清晰指令,bai算法代表着用系统的方法描述解决问题的策略机制。也就是说,能够对一定规范的输入,在有限时间内获得所要求的输出。如果一个算法有缺陷,或不适合于某个问题,执行这个算法将不会解决这个问题。不同的算法可能用不同的时间、空间或效率来完成同样的任务。一个算法的优劣可以用空间复杂度与时间复杂度来衡量。
一个算法应该具有以下七个重要的特征:
①有穷性(Finiteness):算法的有穷性是指算法必须能在执行有限个步骤之后终止;
②确切性(Definiteness):算法的每一步骤必须有确切的定义;
③输入项(Input):一个算法有0个或多个输入,以刻画运算对象的初始情况,所谓0个输 入是指算法本身定出了初始条件;
④输出项(Output):一个算法有一个或多个输出,以反映对输入数据加工后的结果。没 有输出的算法是毫无意义的;
⑤可行性(Effectiveness):算法中执行的任何计算步骤都是可以被分解为基本的可执行 的操作步,即每个计算步都可以在有限时间内完成(也称之为有效性);
⑥高效性(High efficiency):执行速度快,占用资源少;
⑦健壮性(Robustness):对数据响应正确
换行。比如,print hello\nworld效果就是helloworld\n就是一个换行符。\是转义的意思,'\n'是换行,'\t'是tab,'\\'是,\ 是在编写程序中句子太长百,人为换行后加上\但print出来是一整行。...
前景很好,中国正在产业升级,工业机器人和人工智能方面都会是强烈的热点,而且正好是在3~5年以后的时间。难度,肯定高,要求你有创新的思维能力,高数中的微积分、数列等等必须得非常好,软件编程(基础的应用最广泛的语言:C/C++)必须得很好,微电子(数字电...
迭代器与生成器的区别:(1)生成器:生成器本质上就是一个函数,它记住了上一次返回时在函数体中的位置。对生成器函数的第二次(或第n次)调用,跳转到函数上一次挂起的位置。而且记录了程序执行的上下文。生成器不仅记住了它的数据状态,生成器还记住了程序...
python中title( )属于python中字符串函数,返回’标题化‘的字符串,就是单词的开头为大写,其余为小写
第一种解释:代码中的cnt是count的简称,一种电脑计算机内部的数学函数的名字,在Excel办公软件中计算参数列表中的数字项的个数;在数据库( sq| server或者access )中可以用来统计符合条件的数据条数。函数COUNT在计数时,将把数值型的数字计算进去;但是...
head是方法,所以需要取小括号,即dataset.head()显示的则是前5行。data[:, :-1]和data[:, -1]。另外,如果想通过位置取数据,请使用iloc,即dataset.iloc[:, :-1]和dataset.iloc[:, -1],前者表示的是取所有行,但不包括最后一列的数据,结果是个DataFrame。...
挺简单的,其实课程内容没有我们想象的那么难、像我之前同学,完全零基础,培训了半年,直接出来就工作了,人家还在北京大公司上班,一个月15k,实力老厉害了
Python针对众多的类型,提供了众多的内建函数来处理(内建是相对于导入import来说的,后面学习到包package时,将会介绍),这些内建函数功用在于其往往可对多种类型对象进行类似的操作,即多种类型对象的共有的操作;如果某种操作只对特殊的某一类对象可行,Pyt...
相当于 ... 这里不是注释
还有FIXME
python的两个库:xlrd和xlutils。 xlrd打开excel,但是打开的excel并不能直接写入数据,需要用xlutils主要是复制一份出来,实现后续的写入功能。
单行注释:Python中的单行注释一般是以#开头的,#右边的文字都会被当做解释说明的内容,不会被当做执行的程序。为了保证代码的可读性,一般会在#后面加一两个空格然后在编写解释内容。示例:# 单行注释print(hello world)注释可以放在代码上面也可以放在代...
主要是按行读取,然后就是写出判断逻辑来勘测行是否为注视行,空行,编码行其他的:import linecachefile=open('3_2.txt','r')linecount=len(file.readlines())linecache.getline('3_2.txt',linecount)这样做的过程中发现一个问题,...
或许是里面有没被注释的代码
自学的话要看个人情况,可以先在B站找一下视频看一下
最多设置5个标签!
十种常见排序算法一般分为以下几种:
(1)非线性时间比较类排序:
a. 交换类排序(快速排序、冒泡排序)
b. 插入类排序(简单插入排序、希尔排序)
c. 选择类排序(简单选择排序、堆排序)
d. 归并排序(二路归并排序、多路归并排序)
(2)线性时间非比较类排序:
a. 技术排序
b. 基数排序
c. 桶排序
总结:
(1)在比较类排序种,归并排序号称最快,其次是快速排序和堆排序,两者不相伯仲,但是有一点需要注意,数据初始排序状态对堆排序不会产生太大的影响,而快速排序却恰恰相反。
(2)线性时间非比较类排序一般要优于非线性时间比较类排序,但前者对待排序元素的要求较为严格,比如计数排序要求待待排序数的最大值不能太大,桶排序要求元素按照hash分桶后桶内元素的数量要均匀。线性时间非比计较类排序的典型特点是以空间换时间。
python虽然具备很多高级模块,也是自带电池的编程语言,但是要想做一个合格的程序员,基本的算法还是需要掌握,本文主要介绍列表的一些排序算法
递归是算法中一个比较核心的概念,有三个特点,
1调用自身
2具有结束条件
3代码规模逐渐减少
1、选择排序
选择排序是一种简单直观的排序算法。它的原理是这样:首先在未排序序列中找到最小(大)元素,存放到排序序列的起始位置,然后,再从剩余未排序元素中继续寻找最小(大)元素,然后放到已排序序列的后面,以此类推,直到所有元素均排序完毕。算法实现如下:
#找到最小的元素def FindSmall(list):
min
=
list
[
0
]
for
i
in
range
(
len
(
list
)):
if
list
[i]<
min
:
min
=
list
[i]
return
min
#选择排序def Select_Sort(list):
newArr
=
[]
for
i
in
range
(
len
(
list
)):
minValue
=
FindSmall(
list
)
newArr.append(minValue)
list
.remove(minValue)
return
newArr
testArr
=
[
11
,
22
,
33
,
21
,
123
]
print
(Select_Sort(testArr))
2、快速排序
快速排序的运行速度快于选择排序,它的工作原理是这样:设要排序的数组是N,首先任意选取一个数据(通常选用数组的第一个数)作为关键数据,然后将所有比它小的数都放到它前面,所有比它大的数都放到它后面,这个过程称为一趟快速排序。可以使用python用递归式的方法来解决这个问题:
def
Quick_Sort(
list
):
if
len
(
list
)<
2
:
return
list
else
:
temp
=
list
[
0
]
less
=
[i
for
i
in
list
[
1
:]
if
i<
=
temp]
more
=
[i
for
i
in
list
[
1
:]
if
i>temp]
return
Quick_Sort(less)
+
[temp]
+
Quick_Sort(more)
testArr
=
[
13
,
44
,
53
,
24
,
876
,
2
]
print
(Quick_Sort(testArr))
3、二分查找
二分查找的输入是一个有序的列表,如果要查找的元素包含在一个有序列表中,二分查找可以返回其位置。打个比方来说明二分查找的原理:比如我随便想了个范围在1~100以内的整数,由你来猜,以最少的次数来猜出这个数字,你每次猜完给出个数字,我会回复大了或小了,第一种方法是你从1开始依次往后猜,那如果我想的数字是100,那么你就要猜100次;第二种方法是从50开始,如果我说小了,那你就猜75,就这样依次排除掉一半的剩余数字,这就是二分查找法。可以看出二分查找法更加快速。对于包含n个元素的有序列表,用简单查找最多需要n步,而二分查找法则最多只需lon2 n步。下面用python来实现该算法:
def
Item_Search(
list
,item):
low
=
0
high
=
len
(
list
)
-
1
while
low<
=
high:
middle
=
(low
+
high)
/
/
2
print
(
list
[middle])
if
list
[middle]>item:
high
=
middle
-
1
elif
list
[middle]
low
=
middle
+
1
else
:
return
middle
return
None
test_list
=
[
1
,
3
,
5
,
7
,
9
,
11
,
13
,
15
,
17
,
19
,
21
]
Item_Search(test_list,
11
)
4、广度优先搜索
广度优先搜索是一种图算法,图由节点和边组成,一个节点可能与多个节点连接,这些节点称为邻居。广度优先搜索算法可以解决两类问题:第一类是从节点A出发,有没有前往节点B的路径;第二类问题是从节点A出发,前往B节点的哪条路径最短。使用广度优先搜索算法的前提是图的边没有权值,即该算法只用于非加权图中,如果图的边有权值的话就应使用狄克斯特拉算法来查找最短路径。举个例子,假如你认识alice、bob、claire,bob认识anuj、peggy,alice认识peggy,claire认识tom、jonny,你需要在最短的路径内找到通过认识的人找到tom,那么算法实现如下:
#使用字典构建图graph={}
graph[
"you"
]
=
[
"Alice"
,
"Bob"
,
"Claire"
]
graph[
"Bob"
]
=
[
"Anuj"
,
"Peggy"
]
graph[
"Alice"
]
=
[
"Peggy"
]
graph[
"Claire"
]
=
[
"Tom"
,
"Jonny"
]
graph[
"Anuj"
]
=
[]
graph[
"Peggy"
]
=
[]
graph[
"Tom"
]
=
[]
graph[
"Jonny"
]
=
[]
from
collections
import
deque
#简单的判断方法def person_is_seller(name): return name=='Tom'def Search(name):
searched
=
[]
#用于记录检查过的人,防止进入死循环
search_queue
=
deque()
#创建队列
search_queue
+
=
graph[name]
while
search_queue:
person
=
search_queue.popleft()
if
not
person
in
searched:
#仅当这个人没检查过时才检查
if
person_is_seller(person):
print
(
"the seller is {0}"
.
format
(person))
return
True
else
:
search_queue
+
=
graph[person]
searched.append(person)
#将这个人标记为检查过
return
Falseprint(Search(
"you"
))
5、贪婪算法
贪婪算法,又名贪心算法,对于没有快速算法的问题(NP完全问题),就只能选择近似算法,贪婪算法寻找局部最优解,并企图以这种方式获得全局最优解,它易于实现、运行速度快,是一种不错的近似算法。假如你是个小偷,商店里有很多箱子,箱子里有各种水果,有些箱子里有3种水果,有些箱子有2种...,你想尝到所有种类的水果,但你一个人力气有限,因此你必须尽量搬走最少的箱子,那么,算法实现如下:
fruits
=
set
([
"苹果"
,
"香蕉"
,
"梨子"
,
"西瓜"
,
"草莓"
,
"橘子"
,
"荔枝"
,
"榴莲"
])
#箱子以及包含的水果box={}
box[
"b1"
]
=
set
([
"苹果"
,
"香蕉"
,
"西瓜"
])
box[
"b2"
]
=
set
([
"草莓"
,
"橘子"
,
"榴莲"
])
box[
"b3"
]
=
set
([
"梨子"
,
"荔枝"
,
"草莓"
])
box[
"b4"
]
=
set
([
"香蕉"
,
"橘子"
])
box[
"b5"
]
=
set
([
"梨子"
,
"榴莲"
])
final_boxs
=
set
()
#最终选择的箱子#直到fruits为空while fruits:
best_box
=
None
#包含了最多的未包含水果的箱子
fruits_covered
=
set
()
#包含该箱子包含的所有未包含的水果
#循环迭代每个箱子,并确定它是否为最佳箱子
for
boxItem,fruitItem
in
box.items():
covered
=
fruits & fruitItem
#计算交集
if
len
(covered)>
len
(fruits_covered):
best_box
=
boxItem
fruits_covered
=
covered
fruits
-
=
fruits_covered
final_boxs.add(best_box)
print
(final_boxs)
以上就是Python几种常见算法汇总的详细内容
选择排序,插入排序,交换排序
常见的分类算法有:
K近邻算法
决策树
朴素贝叶斯
SVM
Logistic Regression
五种常见的Python算法:
1、选择排序
2、快速排序
3、二分查找
4、广度优先搜索
5、贪婪算法
K近邻算法
决策树
朴素贝叶斯
SVM
Logistic Regression
广度优先搜索是一种图算法,图由节点和边组成,一个节点可能与多个节点连接,这些节点称为邻居。广度优先搜索算法可以解决两类问题:第一类是从节点A出发,有没有前往节点B的路径;第二类问题是从节点A出发,前往B节点的哪条路径最短。使用广度优先搜索算法的前提是图的边没有权值,即该算法只用于非加权图中,如果图的边有权值的话就应使用狄克斯特拉算法来查找最短路径。举个例子,假如你认识alice、bob、claire,bob认识anuj、peggy,alice认识peggy,claire认识tom、jonny,你需要在最短的路径内找到通过认识的人找到tom
算法(Algorithm)是指解题方案的准确而完整的描述,是一系列解决问题的清晰指令,bai算法代表着用系统的方法描述解决问题的策略机制。也就是说,能够对一定规范的输入,在有限时间内获得所要求的输出。如果一个算法有缺陷,或不适合于某个问题,执行这个算法将不会解决这个问题。不同的算法可能用不同的时间、空间或效率来完成同样的任务。一个算法的优劣可以用空间复杂度与时间复杂度来衡量。
一个算法应该具有以下七个重要的特征:
①有穷性(Finiteness):算法的有穷性是指算法必须能在执行有限个步骤之后终止;
②确切性(Definiteness):算法的每一步骤必须有确切的定义;
③输入项(Input):一个算法有0个或多个输入,以刻画运算对象的初始情况,所谓0个输 入是指算法本身定出了初始条件;
④输出项(Output):一个算法有一个或多个输出,以反映对输入数据加工后的结果。没 有输出的算法是毫无意义的;
⑤可行性(Effectiveness):算法中执行的任何计算步骤都是可以被分解为基本的可执行 的操作步,即每个计算步都可以在有限时间内完成(也称之为有效性);
⑥高效性(High efficiency):执行速度快,占用资源少;
⑦健壮性(Robustness):对数据响应正确
相关问题推荐
换行。比如,print hello\nworld效果就是helloworld\n就是一个换行符。\是转义的意思,'\n'是换行,'\t'是tab,'\\'是,\ 是在编写程序中句子太长百,人为换行后加上\但print出来是一整行。...
前景很好,中国正在产业升级,工业机器人和人工智能方面都会是强烈的热点,而且正好是在3~5年以后的时间。难度,肯定高,要求你有创新的思维能力,高数中的微积分、数列等等必须得非常好,软件编程(基础的应用最广泛的语言:C/C++)必须得很好,微电子(数字电...
迭代器与生成器的区别:(1)生成器:生成器本质上就是一个函数,它记住了上一次返回时在函数体中的位置。对生成器函数的第二次(或第n次)调用,跳转到函数上一次挂起的位置。而且记录了程序执行的上下文。生成器不仅记住了它的数据状态,生成器还记住了程序...
python中title( )属于python中字符串函数,返回’标题化‘的字符串,就是单词的开头为大写,其余为小写
第一种解释:代码中的cnt是count的简称,一种电脑计算机内部的数学函数的名字,在Excel办公软件中计算参数列表中的数字项的个数;在数据库( sq| server或者access )中可以用来统计符合条件的数据条数。函数COUNT在计数时,将把数值型的数字计算进去;但是...
head是方法,所以需要取小括号,即dataset.head()显示的则是前5行。data[:, :-1]和data[:, -1]。另外,如果想通过位置取数据,请使用iloc,即dataset.iloc[:, :-1]和dataset.iloc[:, -1],前者表示的是取所有行,但不包括最后一列的数据,结果是个DataFrame。...
挺简单的,其实课程内容没有我们想象的那么难、像我之前同学,完全零基础,培训了半年,直接出来就工作了,人家还在北京大公司上班,一个月15k,实力老厉害了
Python针对众多的类型,提供了众多的内建函数来处理(内建是相对于导入import来说的,后面学习到包package时,将会介绍),这些内建函数功用在于其往往可对多种类型对象进行类似的操作,即多种类型对象的共有的操作;如果某种操作只对特殊的某一类对象可行,Pyt...
相当于 ... 这里不是注释
还有FIXME
python的两个库:xlrd和xlutils。 xlrd打开excel,但是打开的excel并不能直接写入数据,需要用xlutils主要是复制一份出来,实现后续的写入功能。
单行注释:Python中的单行注释一般是以#开头的,#右边的文字都会被当做解释说明的内容,不会被当做执行的程序。为了保证代码的可读性,一般会在#后面加一两个空格然后在编写解释内容。示例:# 单行注释print(hello world)注释可以放在代码上面也可以放在代...
主要是按行读取,然后就是写出判断逻辑来勘测行是否为注视行,空行,编码行其他的:import linecachefile=open('3_2.txt','r')linecount=len(file.readlines())linecache.getline('3_2.txt',linecount)这样做的过程中发现一个问题,...
或许是里面有没被注释的代码
自学的话要看个人情况,可以先在B站找一下视频看一下